使用SOM算法+CNN提取特征，对图像进行聚类。
运行环境，python3.6+tensorflow1.11.0
运行环境，python3.6+tensorflow1.11.0
2024/10/26 21:16:08
105.62MB
1
山梨酸钾是一种常用防腐剂，应用非常广泛，但食用过量会严重危害人体健康。
研究了山梨酸钾在水溶液和橙汁中的荧光特性，山梨酸钾水溶液荧光特征峰为λex/λem=375nm/485nm，山梨酸钾和橙汁的混合溶液除了存在此荧光特征峰，还有一个侧峰λex/λem=470nm/540nm。
在混合溶液中，橙汁和山梨酸钾的荧光特性相互干扰，加大了山梨酸钾浓度检测的难度。
为准确测定混合溶液中山梨酸钾的浓度，采用微粒群算法优化的误差逆向传播(PSO-BP)神经网络对其进行检测。
3组预测样本的平均回收率为98.97%，PSO-BP神经网络能够精确测定混合溶液中山梨酸钾的质量浓度范围为0.1~2.0g/L。
预测结果表明荧光光谱法和PSO-BP神经网络相结合的方法能有效地检测山梨酸钾在橙汁中的浓度。
研究了山梨酸钾在水溶液和橙汁中的荧光特性，山梨酸钾水溶液荧光特征峰为λex/λem=375nm/485nm，山梨酸钾和橙汁的混合溶液除了存在此荧光特征峰，还有一个侧峰λex/λem=470nm/540nm。
在混合溶液中，橙汁和山梨酸钾的荧光特性相互干扰，加大了山梨酸钾浓度检测的难度。
为准确测定混合溶液中山梨酸钾的浓度，采用微粒群算法优化的误差逆向传播(PSO-BP)神经网络对其进行检测。
3组预测样本的平均回收率为98.97%，PSO-BP神经网络能够精确测定混合溶液中山梨酸钾的质量浓度范围为0.1~2.0g/L。
预测结果表明荧光光谱法和PSO-BP神经网络相结合的方法能有效地检测山梨酸钾在橙汁中的浓度。
2024/10/25 21:48:04
4.37MB
1
DeepLearningtutorial（5）CNN卷积神经网络应用于人脸识别（详细流程+代码实现）
2024/10/23 10:12:50
14.64MB
1
MATLAB工具包DEEPLEARNINGTOOLBOX(一)DeepLearningToolbox™提供了一个用于通过算法、预训练模型和应用程序来设计和实现深度神经网络的框架。
我们可以使用卷积神经网络（ConvNet、CNN）和长短期记忆(LSTM)网络对图像、时序和文本数据执行分类和回归。
我们可以使用卷积神经网络（ConvNet、CNN）和长短期记忆(LSTM)网络对图像、时序和文本数据执行分类和回归。
2024/10/23 7:57:32
216.9MB
1
精通MATLAB/Simulink系统仿真2015全书主要分为三大部分，共15章。
第一部分主要介绍MATLAB基础知识、Simulink仿真入门、Simulink模型的建立与仿真、Simulink常用命令库分析等；
第二部分主要为基于Simulink的S-Function建模、控制系统Simulink仿真、基于PID的控制系统仿真等；
第三部分则涉及Simulink高级应用，包括模糊逻辑控制仿真、电力系统仿真、通信系统仿真、神经网络控制仿真、滑模控制、车辆系统仿真、群智能算法控制系统仿真等此资源为该书的书上例子代码（全）
第一部分主要介绍MATLAB基础知识、Simulink仿真入门、Simulink模型的建立与仿真、Simulink常用命令库分析等；
第二部分主要为基于Simulink的S-Function建模、控制系统Simulink仿真、基于PID的控制系统仿真等；
第三部分则涉及Simulink高级应用，包括模糊逻辑控制仿真、电力系统仿真、通信系统仿真、神经网络控制仿真、滑模控制、车辆系统仿真、群智能算法控制系统仿真等此资源为该书的书上例子代码（全）
2024/10/22 9:49:48
2.29MB
1
PrinciplesofNeuralScience神经科学原理第五版，内容是关于人和动物体的神经运作原理，对于设计更符合神经科学原理的神经网络有帮助。
2024/10/22 6:23:33
207.16MB
1
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。
2024-04-09 15:03
15KB