第一章人工神经网络…………………………………………………3§1.1人工神经网络简介…………………………………………………………31．1人工神经网络的起源……………………………………………………31．2人工神经网络的特点及应用……………………………………………3§1.2人工神经网络的结构…………………………………………………42．1神经元及其特性…………………………………………………………52．2神经网络的基本类型………………………………………………62.2.1人工神经网络的基本特性……………………………………62.2.2人工神经网络的基本结构……………………………………62.2.3人工神经网络的主要学习算法………………………………7§1.3人工神经网络的典型模型………………………………………………73．1Hopfield网络…………………………………………………………73．2反向传播(BP)网络……………………………………………………83．3Kohonen网络…………………………………………………………83．4自适应共振理论(ART)……………………………………………………93．5学习矢量量化（LVQ）网络…………………………………………11§1.4多层前馈神经网络（ＢＰ）模型…………………………………………124．1BP网络模型特点 ……………………………………………………124．2BP网络学习算法………………………………………………………134.2.1信息的正向传递………………………………………………134.2.2利用梯度下降法求权值变化及误差的反向传播………………144．3网络的训练过程………………………………………………………154．4BP算法的改进………………………………………………………154.4.1附加动量法………………………………………………………154.4.2自适应学习速率…………………………………………………164.4.3动量-自适应学习速率调整算法………………………………174．5网络的设计………………………………………………………………174.5.1网络的层数…………………………………………………174.5.2隐含层的神经元数……………………………………………174.5.3初始权值的选取………………………………………………174.5.4学习速率…………………………………………………………17§1.5软件的实现………………………………………………………………18第二章遗传算法………………………………………………………19§2.1遗传算法简介………………………………………………………………19§2.2遗传算法的特点…………………………………………………………19§2.3遗传算法的操作程序………………………………………………………20§2.4遗传算法的设计……………………………………………………………20第三章基于神经网络的水布垭面板堆石坝变形控制与预测§3.1概述…………………………………………………………………………23§3.2样本的选取………………………………………………………………24§3.3神经网络结构的确定………………………………………………………25§3.4样本的预处理与网络的训练……………………………………………254．1样本的预处理………………………………………………………254．2网络的训练……………………………………………………26§3.5水布垭面板堆石坝垂直压缩模量的控制与变形的预测…………………305．1面板堆石坝堆石体垂直压缩模量的控制……………………………305．2水布垭面板堆石坝变形的预测……………………………………355．3BP网络与COPEL公司及国内的经验公式的预测结果比较…35§3.6结论与建议………………………………………………………………38第四章BP网络与遗传算法在面板堆石坝设计参数控制中的应用§4.1概述………………………………………………………………………39§4.2遗传算法的程序设计与计算………………………………………………39§4.3结论与建议…………………………………………………………………40参考文献…………………………………………………………………………

本文件功能：用BP神经网络预测温湿度。
本次仿真，预测模型为8*8*8*1，输入数据为359天数据（一个小时测一个数据，一天数据为24）。
其中350天数据做训练样本，用来训练BP网络模型的权值和阈值，4天用来做测试样本，用来测试3天左右的温湿度预测值。
本次训练效果比较上次仿真较为准确，判定系数可以达到0.8左右（越靠近1表明仿真效果越好），预测值与实际值点状图基本围绕在主对角线左右，MSE平方误差可以达到0.01，BP网络预测输出图也可以看出预测值的变化趋势基本与期望值一致。
本次仿真存在不足：1.未修改学习率、附加动量等参量没有解决BP网络收敛慢的问题。
2.没有使用全局优化的算法，没有解决BP容易陷入极值点的问题。
这种用BP网络来进行预测的模型网上有很多，但是大多数都是预测风力发电等，可能也是因为该BP模型是40年代所提出，我是没有找到有温湿度的预测，该代码纯属自己改写的，并且运行无误，现在分享出来，让大家节省一些时间去研究更有深度的算法。

测量专业所学误差理论与测量平差习题，里面含有6套题

矢量栅格转换是地理信息系统（GIS）领域的经典研究主题之一。
GIS中常用的算法致力于维护矢量多边形的形状特征，但忽略了多边形面积的得失，这是另一个重要属性。
本文提出了一种基于面积补偿优化原理的等面积转换模型。
根据多边形与边界网格之间的拓扑关系，采用邻域补偿原理来分配边界网格的属性，并开发了一种全局优化算法以最小化整个数据集中的区域失真。
设计了两个实验，结果表明该算法不仅保证了面积误差尽可能小，而且具有适应多边形形状和空间结构的优点。

对IMU基础知识进行讲解，并对误差分析，对IMU的标定技术进行实验分析

基于四元数的姿态解算方法能够有效结合陀螺以及加速度计的误差特性，将运动场以及重力加速度两个互不相干的物理矢量进行互补融合。
主要利用陀螺仪测量的角速度作为四元数的更新，以重力加速度作为四元数的观测，通过8位微处理器实时解算姿态角。
基于四元数的解算方法，利用叉乘有效地把三轴陀螺以及三轴加速度计的数据进行融合，使得测量的俯仰角、横滚角逼近真角度，经过试验验证了该算法的有效性，且计算量少，在姿态控制领域有这良好的应用前景。

本文采用buck-boost升降压电路设计，输入DC5-12v，经过buck-boost电路后，可输出DC0-18v可调的电压，可输出2A以上电流，采用PID算法自动调节输出设定的稳定电压，其输出稳压误差波动小于0.01v，纹波小于150mv，转换效率＞87%，其中按键可任意设定输出的电压大小。

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。

摘要：本系统以直流电流源为核心，AT89S52单片机为主控制器，通过键盘来设置直流电源的输出电流，设置步进等级可达1mA，并可由数码管显示实际输出电流值和电流设定值。
本系统由单片机程控输出数字信号，经过D/A转换器（AD7543）输出模拟量，再经过运算放大器隔离放大，控制输出功率管的基极，随着功率管基极电压的变化而输出不同的电流。
单片机系统还兼顾对恒流源进行实时监控，输出电流经过电流/电压转变后，通过A/D转换芯片，实时把模拟量转化为数据量，再经单片机分析处理，通过数据形式的反馈环节，使电流更加稳定，这样构成稳定的压控电流源。
实际测试结果表明，本系统输出电流稳定，不随负载和环境温度变化，并具有很高的精度，输出电流误差范围±5mA，输出电流可在20mA~2000mA范围内任意设定，因而可实际应用于需要高稳定度小功率恒流源的领域。

STC_ISP单片机升级软件单片机出厂时的缺省设置是“P1.0/P1.1”与下载无关，P3.0/RxD,P3.1/TxD通过RS-232转换器连接到电脑的普通RS-232串口就可以下载/编程用户应用程序到单片机内部用户应用程序区了。
如果单片机在正常工作时P3.0/RxD外接的是RS-485/RS-232等通信电路,推荐选择步骤4中:下次冷启动“P1.0/P1.1”等于“0/0”才可以下载程序单片机冷启动后(先没有电,后上电)首先运行的是单片机系统ISP监控程序。
系统ISP监控程序首先判断是否需要“P1.0/P1.1”等于“0/0”才可以继续执行系统ISP监控程序。
如果用户设置了下次冷启动后“P1.0/P1.1”等于“0/0”才可以下载程序，而下次冷启动后“P1.0/P1.1”不同时为“0/0”，则单片机立即结束运行系统ISP监控程序，软复位到用户应用程序区执行用户应用程序。
如果用户设置了下次冷启动后“P1.0/P1.1”等于“0/0”才可以下载程序，冷启动后如“P1.0/P1.1”同时为“0/0”，则单片机会去判断P3.0/RxD口有无合法下载命令流(有几百个字节)。
如果有合法下载命令流，则下载用户应用程序。
如果没有合法下载命令流，则单片机立即结束运行单片机系统ISP监控程序，软复位到用户应用程序区执行用户应用程序。
如果冷启动后P3.0/RxD口有很多“乱码”进入P3.0串口，虽然系统ISP监控程序能正确地判断是不合法的命令，但是较多的“乱码”会使单片机从“运行系统ISP监控程序状态”变为“运行用户应用程序状态”的时间拉长，造成用户误认为是复位时间过长。
设置下次冷启动后“P1.0/P1.1”等于“0/0”才可以下载用户应用程序的好处是:将单片机从“运行系统ISP监控程序状态”变为“运行用户应用程序状态”的时间缩短到50微秒以内，此时间可忽略不计，因为R/C阻容复位电路的时间误差是毫秒级的。
1毫秒=1000微秒。
大部分用户选择单片机出厂时的缺省设置——“P1.0/P1.1”与下载无关就可以了。

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。