【目录】-MATLAB神经网络30个案例分析(开发实例系列图书)第1章BP神经网络的数据分类——语音特征信号分类1本案例选取了民歌、古筝、摇滚和流行四类不同音乐，用BP神经网络实现对这四类音乐的有效分类。
第2章BP神经网络的非线性系统建模——非线性函数拟合11本章拟合的非线性函数为y=x21+x22。
第3章遗传算法优化BP神经网络——非线性函数拟合21根据遗传算法和BP神经网络理论，在MATLAB软件中编程实现基于遗传算法优化的BP神经网络非线性系统拟合算法。
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36对于未知的非线性函数，仅通过函数的输入输出数据难以准确寻找函数极值。
这类问题可以通过神经网络结合遗传算法求解，利用神经网络的非线性拟合能力和遗传算法的非线性寻优能力寻找函数极值。
第5章基于BP_Adaboost的强分类器设计——公司财务预警建模45BP_Adaboost模型即把BP神经网络作为弱分类器，反复训练BP神经网络预测样本输出，通过Adaboost算法得到多个BP神经网络弱分类器组成的强分类器。
第6章PID神经元网络解耦控制算法——多变量系统控制54根据PID神经元网络控制器原理，在MATLAB中编程实现PID神经元网络控制多变量耦合系统。
第7章RBF网络的回归——非线性函数回归的实现65本例用RBF网络拟合未知函数，预先设定一个非线性函数，如式y=20+x21-10cos（2πx1）+x22-10cos（2πx2）所示，假定函数解析式不清楚的情况下，随机产生x1,x2和由这两个变量按上式得出的y。
将x1,x2作为RBF网络的输入数据，将y作为RBF网络的输出数据，分别建立近似和精确RBF网络进行回归分析，并评价网络拟合效果。
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73根据货运量影响因素的分析，分别取国内生产总值（GDP），工业总产值，铁路运输线路长度，复线里程比重，公路运输线路长度，等级公路比重，铁路货车数量和民用载货汽车数量8项指标因素作为网络输入，以货运总量，铁路货运量和公路货运量3项指标因素作为网络输出，构建GRNN，由于训练数据较少，采取交叉验证方法训练GRNN神经网络，并用循环找出最佳的SPREAD。
第9章离散Hopfield神经网络的联想记忆——数字识别81根据Hopfield神经网络相关知识，设计一个具有联想记忆功能的离散型Hopfield神经网络。
要求该网络可以正确地识别0~9这10个数字，当数字被一定的噪声干扰后，仍具有较好的识别效果。
第10章离散Hopfield神经网络的分类——高校科研能力评价90某机构对20所高校的科研能力进行了调研和评价，试根据调研结果中较为重要的11个评价指标的数据，并结合离散Hopfield神经网络的联想记忆能力，建立离散Hopfield高校科研能力评价模型。
第11章连续Hopfield神经网络的优化——旅行商问题优化计算100现对于一个城市数量为10的TSP问题，要求设计一个可以对其进行组合优化的连续型Hopfield神经网络模型，利用该模型可以快速地找到最优（或近似最优）的一条路线。
第12章SVM的数据分类预测——意大利葡萄酒种类识别112将这178个样本的50%做为训练集,另50%做为测试集,用训练集对SVM进行训练可以得到分类模型,再用得到的模型对测试集进行类别标签预测。
第13章SVM的参数优化——如何更好的提升分类器的性能122本章要解决的问题就是仅仅利用训练集找到分类的最佳参数，不但能够高准确率的预测训练集而且要合理的预测测试集，使得测试集的分类准确率也维持在一个较高水平，即使得得到的SVM分类器的学习能力和推广能力保持一个平衡，避免过学习和欠学习状况发生。
第14章SVM的回归预测分析——上证指数开盘指数预测133对上证指数从1990.12.20-2009.08.19每日的开盘数进行回归分析。
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141在这个案例里面我们将利用SVM对进行模糊信息粒化后的上证每日的开盘指数进行变化趋势和变化空间的预测。
若您对此书内容有任何疑问，可以凭在线交流卡登录中文论坛与作者交流。
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153本案例中给出了一个含有60个个体基因表达水平的样本。
每个样本中测量了114个基因特征，其中前20个样本是癌症病人的基因表达水平的样本(其中还可能有子类),中间的20个样本是正常人的基因表达信息样本,余下的20个样本是待检测的样本(未知它们是否正常)。
以下将设法找出癌症与正常样本在基因表达水平上的区

ORL_92x112人脸数据库，40人，每人10张照片包括表情变化，微小姿态变化，20%以内的尺度变化。

本文介绍了一种基于小波变换的高分辨率频谱分析方法，该方法对信号频谱分辨率有明显的改善效果，尤其是在短数据采样点上，仍然具有较高的频谱分析效果，适合于快速变化信号的频谱分析。

本书讲述构建程序的关键工具——链接器和加载器，内容包括链接和加载、体系结构、目标文件、存储分配、符号管理、库、重定位、加载和覆盖、共享库、动态链接和加载、动态链接的共享库，以及着眼于成熟的现代链接器所做的一些变化；
并介绍一个持续的实践项目，即使用perl语言开发一个可用的小链接器。

永磁同步电机的直接转矩控制，通过对磁链进行滞环控制来产生开关信号，随后将开关信号有序组合，产生控制逆变器开关管的通断信号，从而实现产生目标转矩，驱动电机旋转。
DTC控制的优点就是能够快速的实现电机的动作，并且有一定的抗外界负载变化等干扰的能力，缺点就是由于标准空间矢量不能做到无限制划分，因此会产生一定的转矩脉动，希望在随后的控制方法中改进。

本设计课题任务的内容为：对OFDM系统无线信道进行研究,利用仿真器进行仿真,研究分析电磁波在该无线信道中的传播和变化规律。
具体要求：(1)在研究无线信道传播理论基础上,分析无线信道传播特性,建立各种衰落信道的结构模型,设计无线信道抽头延迟线模型和Jakes仿真模型。
(2)对路径损耗信道模型进行分析,比较各模型的特点,仿真分析模型误差,提出各种模型的适用环境。
(3)利用Jakes仿真器,对小尺度衰落信道进行计算机仿真,验证平坦衰落和频率选择性衰落信道特性,分析小尺度衰落的各种性能参数。
(4)对OFDM系统进行仿真,通过比较加保护间隔和不加保护间隔系统的误码率,给出OFDM具有独特的抗多径衰落特性。
(5)通过分析移动台移动速度和周围环境对系统误码率、信号包络、多普勒功率谱和传递函数等系统参数的影响,给出小尺度衰落随移动台移动速度和周围环境的变化关系。

%用遗传算法进行简单函数的优化clearbn=22;%个体串长度inn=50;%初始种群大小gnmax=200;%最大代数pc=0.75;%交叉概率pm=0.05;%变异概率%产生初始种群s=round(rand(inn,bn));%计算适应度,返回适应度f和累积概率p[f,p]=objf(s);gn=1;whilegn＜gnmax+1forj=1:2:inn%选择操作seln=sel(s,p);%交叉操作scro=cro(s,seln,pc);scnew(j,:)=scro(1,:);scnew(j+1,:)=scro(2,:);%变异操作smnew(j,:)=mut(scnew(j,:),pm);smnew(j+1,:)=mut(scnew(j+1,:),pm);ends=smnew;%产生了新的种群%计算新种群的适应度[f,p]=objf(s);%记录当前代最好和平均的适应度[fmax,nmax]=max(f);fmean=mean(f);ymax(gn)=fmax;ymean(gn)=fmean;%记录当前代的最佳个体x=n2to10(s(nmax,:));xx=-1.0+x*3/(power(2,bn)-1);xmax(gn)=xx;gn=gn+1endgn=gn-1;%绘制曲线subplot(2,1,1);plot(1:gn,[ymax;ymean]);title('历代适应度变化','fonts',10);legend('最大适应度','平均适应度');string1=['最终适应度',num2str(ymax(gn))];gtext(string1);subplot(2,1,2);plot(1:gn,xmax,'r-');legend('自变量');string2=['最终自变量',num2str(xmax(gn))];gtext(string2);

freo.js-[F]功能性[React式][O]对象编程库前言Freo是一个模块库，用于创建旨在用作全局存储的React性数据存储/流，其中单个事实源以互连方式控制整个接口，它引入了Adapter和Adaptable-like的概念来增强具有状态属性和边界的Observerpattern，并提供了几种Adapters和Adaptable-like实现，以使对变化的数据源的工作更易于管理和推理。
详细介绍通过扩展具有状态属性的ObserverPattern，Freo可以在（某些）普通javascript原语之上使用功能性React式编程（FRP）原理，Freo本身不起作用，但具有React性。
它充当数据存储/源的包装，允许Adapters访问变更流，StreamAdapter模块负责通过将非功能变更流发布到功能变更流来弥合Freo和FRP之间的差距。
如果这是您第一次

　　本实验为用lcd1602显示0到9之间顺序变化，考虑到状态较多，可通过case语句，每一句对应一个数字，从而实现在lcd1602上的显示。

对应于IEC60335-1:2010/A2:2016基于原EN60335-1:2012+A11:2014+A13:2017+A1:2019+A14:2019进行更新相应变化：7.10EN增加部分删除(遵循IECA2:201622.55的要求)；
7.12.Z1删除(因IECA2:20167.12.9已增加相同的要求)；
7.14NoteZ1删除；
22.12NoteZ1删除；
24.Z1S2、S3电容不需再额外按照30.2.2和30.2.3.1测试；
25.7删除EN增加部分(因IECA2：2016已增加原EN增加的内容)。

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。