美国密歇根州立大学电气与计算机工程系UniversityDistinguished教授。
1989年由于其在“奇异扰动理论及其在控制中的应用”方面的成就被选为IEEE会士。
多年来不断从事非线性系统的教学和研究工作，主要研究方向包括非线性（鲁棒和自适应）控制、奇异扰动理论和电驱动控制。
本书第二版曾于2002年获国际自动控制联合会（IFAC）授予的控制工程教材奖。

首先你需要知道卡尔曼滤波，卡尔曼滤波适用于线性系统，针对于非线性系统很好推广应用。
EKF利用线性化的方式，让形态和协方差在线性化方程中传播，但是面对强非线性，这种方式误差较大，因为高斯分布的噪声经过非线性系统的分布并不是高斯分布。
UKF利用5个采样点（无迹变换）在非线性系统中传播，降低了随机变量经过非线性系统传播的误差，效果强于EKF。
针对P矩阵出现非正定的情况，其实有很多处理方式的。

一本有用的书，次要包括H∞控制，现代鲁棒稳定性理论，μ分析，μ综合，时滞系统的鲁棒控制，非线性系统的鲁棒控制

这是一本最新很不错的关于线性系统的书，对数学专业、控制专业的学者会很有协助。
友情提醒：本书电子版仅供个人学习之用，若有任何商业目的，后果自负哦。

《现代控制理论》引见现代控制系统的基本理论和控制系统分析与设计的主要方法，内容包括线性控制系统、最优控制，由浅入深，有启发性。
状态空间方法不仅是控制理论的基础，而且也是现代网络分析和线性系统理论的基础，自动化专业的学生应该熟悉这种基本方法。
能控性和能观性是状态分析方法的根本问题，在《现代控制理论》中作了适当说明。
李雅普诺夫稳定性理论无论对线性或非线性系统的分析和综合都有用处，这是控制理论中若干再生的古老理论之一，《现代控制理论》对此作了最基本的阐明，对系统的综合，具体讨论了状态反馈和输出反馈控制问题，对于观测器问题也作了简述，《现代控制理论》还引见了最优控制的三种基本方法，能打下扎实的理论基础，又掌握控制系统分析与设计的能力。

1、序列的卷积和运算及其过程的可视化呈现；
1.1实验目的和要求 1.2实验原理 1.3实验仪器设备 1.4实验过程（内容、步骤、原始数据） 1.5实验结果（数据处理、结果分析、问题讨论及总结） 2、图像/语音信号的频谱分析；
2.1实验目的和要求 2.2实验原理 2.3实验仪器设备 2.4实验过程（内容、步骤、原始数据）2.5实验结果（数据处理、结果分析、问题讨论及总结） 3、图像/语音信号通过线性系统的呼应；
3.1实验目的和要求 3.2实验原理 3.3实验仪器设备 3.4实验过程（内容、步骤、原始数据） 3.5实验结果（数据处理、结果分析、问题讨论及总结）4、附录；
附录1实验一代码 附录2实验二代码 附录3实验三代码

借助Lyapunov方法引入了参数的自适应律,并证明了该控制策略使得船舶运动非线性系统中所有信号有界,选取恰当的设计参数可以保证跟踪误差收敛到零。
以某运煤船为例,在Simulink环境下进行仿真研究,仿真结果表明:所设计的控制器无论在标称参数下还是在参数摄动及存在外界扰动的情况下,都显示出较好的控制功能和较好的鲁棒性。

读者调用案例的时候，只要把案例中的数据换成自己需要处理的数据，即可实现自己想要的网络。
如果在实现过程中有任何疑问，可以随时在MATLAB中文论坛与作者交流，作者每天在线，有问必答。
该书共有30个MATLAB神经网络的案例(含可运行程序)，包括BP、RBF、SVM、SOM、Hopfield、LVQ、Elman、小波等神经网络;还包含PSO(粒子群)、灰色神经网络、模糊网络、概率神经网络、遗传算法优化等内容。
该书另有31个配套的教学视频帮助读者更深入地了解神经网络。
本书可作为本科毕业设计、研究生项目设计、博士低年级课题设计参考书籍，同时对广大科研人员也有很高的参考价值。
图书目录第1章P神经网络的数据分类--语音特征信号分类第2章BP神经网络的非线性系统建模--非线性函数拟合第3章遗传算法优化BP神经网络--非线性函数拟合第4章神经网络遗传算法函数极值寻优--非线性函数极值寻优第5章基于BP_Adaboost的强分类器设计--公司财务预警建模第6章PID神经元网络解耦控制算法--多变量系统控制第7章RBF网络的回归--非线性函数回归的实现第8章GRNN的数据预测--基于广义回归神经网络的货运量预测第9章离散Hopfield神经网络的联想记忆--数字识别第10章离散Hopfield神经网络的分类--高校科研能力评价第11章连续Hopfield神经网络的优化--旅行商问题优化计算第12章SVM的数据分类预测--意大利葡萄酒种类识别第13章SVM的参数优化--如何更好的提升分类器的功能第14章SVM的回归预测分析--上证指数开盘指数预测第15章SVM的信息粒化时序回归预测--上证指数开盘指数变化趋势和变化空间预测第16章自组织竞争网络在模式分类中的应用--患者癌症发病预测第17章SOM神经网络的数据分类--柴油机故障诊断第18章Elman神经网络的数据预测--电力负荷预测模型研究第19章概率神经网络的分类预测--基于PNN的变压器故障诊断第20章神经网络变量筛选--基于BP的神经网络变量筛选第21章LVQ神经网络的分类--乳腺肿瘤诊断第22章LVQ神经网络的预测--人脸朝向识别第23章小波神经网络的时间序列预测--短时交通流量预测第24章模糊神经网络的预测算法--嘉陵江水质评价第25章广义神经网络的聚类算法--网络入侵聚类第26章粒子群优化算法的寻优算法--非线性函数极值寻优第27章遗传算法优化计算--建模自变量降维第28章基于灰色神经网络的预测算法研究--订单需求预测第29章基于Kohonen网络的聚类算法--网络入侵聚类第30章神经网络GUI的实现--基于GUI的神经网络拟合、模式识别、聚类

在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。 每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。 另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。 为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。