第一次在部门讲解的神经网络算法ppt，用户可以下载进行可编辑整理。
文中从生物上的神经元入手去层层迭代，先是简单的感知器，再到多层神经网络，最后演变为经典的神经网络CNN，通俗易懂。

一个基础贝叶斯变换的压缩感知，包含一个源代码和一个一维信号处理的例子和两个二维图像的例子

第一篇MATLAB入门篇　第1章MATLAB概述　　1.1MATLAB的产生与发展　　1.2MATLAB的优势与特点　　1.3MATLAB系统的构成　　1.4MATLAB桌面操作环境　　　1.4.1MATLAB启动和退出　　　1.4.2MATLAB主菜单及功能　　　1.4.3MATLAB命令窗口　　　1.4.4MATLAB工作空间　　　1.4.5M文件编辑/调试器　　　1.4.6图形窗口　　　1.4.7MATLAB文件管理　　　1.4.8MATLAB帮助　　1.5MATLAB的工具箱　　1.6小结　第2章MATLAB计算基础　　2.1MATLAB数值类型　　2.2关系运算和逻辑运算　　2.3矩阵及其运算　　　2.3.1矩阵的创建　　　2.3.2矩阵的运算　　2.4复数及其运算　　　2.4.1复数表示　　　2.4.2复数绘图　　　2.4.3复数操作函数　　2.5符号运算　　　2.5.1符号运算概述　　　2.5.2常用的符号运算　　2.6小结　第3章MATLAB绘图入门　　3.1MATLAB中绘图的基本步骤　3.2在工作空间直接绘图　　3.3利用绘图函数绘图　　　3.3.1二维图形　　　3.3.2三维图形　　3.4图形的修饰　　3.5小结　第4章MATLAB编程入门　　4.1MATLAB编程概述　　4.2MATLAB程序设计原则　　4.3M文件　　4.4MATLAB程序流程控制　　4.5MATLAB中的函数及调用　　　4.5.1函数类型　　　4.5.2函数参数传递　　4.6函数句柄　　4.7MATLAB程序调试　　　4.7.1常见程序错误　　　4.7.2调试方法　　　4.7.3调试工具　　　4.7.4M文件分析工具　　　4.7.5Profiler分析工具　　4.8MATLAB程序设计技巧　　　4.8.1嵌套计算　　　4.8.2循环计算　　　4.8.3使用例外处理机制　　　4.8.4使用全局变量　　　4.8.5通过varargin传递参数　　4.9小结　第5章Simulink仿真入门　　5.1Simulink仿真概述　　　5.1.1Simulink的启动与退出　　　5.1.2Simulink模块库　　5.2Simulink仿真模型及仿真过程　　5.3Simulink模块的处理　　　5.3.1Simulink模块参数设置　　　5.3.2Simulink模块基本操作　　　5.3.3Simulink模块连接　　5.4Simulink仿真设置　　　5.4.1仿真器参数设置　　　5.4.2工作空间数据导入/导出　　　5.4.2设置　　5.5Simulink仿真举例　　5.6小结第二篇神经网络提高篇　第6章MATLAB神经网络工具箱概述　第7章MATLAB神经网络GUI工具　第8章感知器神经网络　第9章线性神经网络　第10章BP神经网络　第11章径向基神经网络　第12章自组织神经网络　第13章反馈神经网络第三篇神经网络综合实战篇　第14章神经网络优化　第15章神经网络控制　第16章神经网络故障诊断　第17章神经网络预测　第18章Simulink中的神经网络设计　第19章自定义神经网络附录A工具箱函数列表参考文献

大牛写的，对压缩感知的详细介绍，特别适合初学者，一看就懂

机器学习，神经网络多层感知器实现，稍事修改即可实现手写数字识别，鸢尾花识别实验等

有能量检测的代码，matlab

计算机视觉第一次大作业主要代码，实验一:混合图像实验目标是编写一个图像滤波函数，并用它基于Oliva、Torralba和Schyns在SIGGRAPH2006发表的题为“Hybridimages”的论文的简化版本创建混合图像。
混合图像是静态图像，其解释随着观看距离的变化而变化。
其基本思想是，高频往往在感知中占主导地位，但在远处，只能看到信号的低频(平滑)部分。
通过将一幅图像的高频部分与另一幅图像的低频部分混合，可以得到一幅混合图像，在不同的距离产生不同的解释。
你将使用你自己的解决方案来创建你自己的混合图像。

适合在校大学生初步实验使用，将此程序直接粘贴到Matlab的m文件中，便可直接运行，得到结果，本人已在博客中发表“与”运算实验，神经网络网址如https://blog.csdn.net/weixin_41529093/article/details/86713335，建议学有余力的同学不要下载，通过看我的博文，自己编出“异或”运算代码

近些年来，人工智能领域又活跃起来，除了传统了学术圈外，Google、Microsoft、facebook等工业界优秀企业也纷纷成立相关研究团队，并取得了很多令人瞩目的成果。
这要归功于社交网络用户产生的大量数据，这些数据大都是原始数据，需要被进一步分析处理;还要归功于廉价而又强大的计算资源的出现，比如GPGPU的快速发展。
除去这些因素，AI尤其是机器学习领域出现的一股新潮流很大程度上推动了这次复兴——深度学习。
本文中我将介绍深度学习背后的关键概念及算法，从最简单的元素开始并以此为基础进行下一步构建。
如果你不太熟悉相关知识，通常的机器学习过程如下：1、机器学习算法需要输入少量标记好的样本，比如10

囊括了当今压缩感知领域信号(图像)稀疏表示重构的经典算法(BP,MP,OMP,StOMP,IST,PFP...),由于本人上传文件限额的限制，这里重点只给大家上传了算法的matlab版code(Solvers文件夹中)

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。