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)

MATLAB神经网络与案例精讲源码第2章MATLAB快速入门第4章单层感知器第5章线性神经网络第6章BP神经网络第7章径向基函数网络第8章自组织竞争神经网络第9章反馈神经网络第10章随机神经网络第11章用GUI设计神经网络第13章神经网络应用实例

完整的语音处理matlab程序。
demo为利用ERBGammatone滤波器对语音信号进行处理。
可以提取基于听觉感知的特征参数。

图像的压缩感知之AMP算法，相较于FISTA算法在执行效率上更加有效，迭代到30次左右可实现很小的误差。

压缩感知理论与应用全书，共12章，各章标题如下：1.IntroductiontocompressedsensingMarkA.Davenport,MarcoF.Duarte,YoninaC.EldarandGittaKutyniok;2.Secondgenerationsparsemodeling:structuredandcollaborativesignalanalysisAlexeyCastrodad,IgnacioRamirez,GuillermoSapiro,PabloSprechmannandGuoshenYu;3.Xampling:compressedsensingofanalogsignalsMosheMishaliandYoninaC.Eldar;4.Samplingattherateofinnovation:theoryandapplicationsJoseAntoniaUriguen,YoninaC.Eldar,PierLuigiDragottaandZvikaBen-Haim;5.Introductiontothenon-asymptoticanalysisofrandommatricesRomanVershynin;6.AdaptivesensingforsparserecoveryJarvisHauptandRobertNowak;7.Fundamentalthresholdsincompressedsensing:ahigh-dimensionalgeometryapproachWeiyuXuandBabakHassibi;8.GreedyalgorithmsforcompressedsensingThomasBlumensath,MichaelE.DaviesandGabrielRilling;9.GraphicalmodelsconceptsincompressedsensingAndreaMontanari;10.FindingneedlesincompressedhaystacksRobertCalderbank,SinaJafarpourandJeremyKent;11.DataseparationbysparserepresentationsGittaKutyniok;12.FacerecognitionbysparserepresentationArvindGanesh,AndrewWagner,ZihanZhou,AllenY.Yang,YiMaandJohnWright.

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。