（1）PID控制算法简介；
（2）基于单神经元网络PID控制器；
（3）基于BP神经网络PID控制器；
（4）基于RBF神经网络系统辨识的PID控制器资源内容包括：PPT文档和MATLAB仿真程序

crystal-ball-模拟基础教程,有案例。
适合新手看。
在读完本资源后，你应该能够：1.描述CrystalBall在计算机仿真中的角色。
2.利用CrystalBall来解决Excel软件包所无法执行的各类基本计算机仿真。
3.解释利用CrystalBall于计算机仿真中的结果。
4.在获得预期的准确度水平后，利用CrystalBall的特色来停止计算机仿真。
5.描述当使用CrystalBall时可以搭配计算机仿真的机率分配之特色。
6.利用CrystalBall程序辨识出符合历史数据的连续分配。
7.利用CrystalBall的特色来产生一些帮助决策的决策表和趋势图。

系统辨识与参数估计最小二乘法MATLAB

一、 利用行列式比估计模型的阶次 2二、 利用残差的方差估计模型的阶次 3三、 利用Akaike准则估计模型的阶次 4四、 利用最终预报误差准则估计模型的阶次 5五、 根据Hankel矩阵的秩估计模型的阶次 7附录1利用行列式比估计模型的阶次 9附录2利用残差的方差估计模型的阶次 11附录3利用Akaike准则估计模型的阶次 13附录4利用最终预报误差准则估计模型的阶次 15附录5利用Hankel矩阵的秩估计模型的阶次 17

使用者的理论、作者：Lennartljung。
这是关于系统辨识的一本书，本书的作者在系统辨识领域很有名，同时也是matlabidentificationtoolbox的作者。

优秀论文及配套源码。
Hilbert-Huang变换(HHT)是一种新的非平稳信号处理技术，该方法由经验模态分解(EMD)与Hilbert谱分析两部分组成。
任意的非平稳信号首先经过EMD方法处理后被分解为一系列具有不同特征尺度的数据序列，每一个序列称为一个固有模态函数(IMF)，然后对每个IMF分量进行Hilbert谱分析得到相应分量的Hilbert谱，汇总所有Hilbert谱就得到了原信号的谱图。
该方法从本质上讲是对非平稳信号进行平稳化处理，将信号中真实存在的不同尺度波动或趋势逐级分解出来，最终用瞬时频率和能量来表征原信号的频率含量。
本文研究了基于HHT的暂态电能质量扰动检测方法，介绍了HHT的基本原理和利用HHT检测电能质量多扰动信号的实现方法。
仿真试验表明该方法可以实时检测扰动的起止时刻，持续时间和扰动幅度，适用于电能质量多扰动的监测和辨识系统。

讲述永磁同步电机的参数辨识方法，包括定子电阻、直轴电感和交轴电感，对初学者有很好的帮助。

针对电池一阶模型，使用最小二乘法进行参数辨识，使误差最小。
有研究电池模型或者最小二乘法的同学可以过来看看。

应用最小二乘一次完成法和递推最小二乘法算法的系统辨识实验报告，包含概念理论及Matlab报告程序。
完备的资料。
你值得拥有。
。
。
。
。
。

深度学习(DeepLearning)是机器学习(MachineLearning)中近年来备受重视的一支，深度学习根源于类神经网络(ArtificialNeuralNetwork)模型，但今日深度学习的技术和它的前身已截然不同，目前最好的语音识别和影像辨识系统都是以深度学习技术来完成，你可能在很多不同的场合听过各种用深度学习做出的惊人应用(例如：最近红遍大街小巷的AlphaGo)，听完以后觉得心痒痒的，想要赶快使用这项强大的技术，却不知要从何下手学习，可以学习一下这个资料。
可以毫不犹豫的说，这个资料是我看过最系统，也最通俗易懂的关于深度学习的文章。
它是由台大教授李宏毅讲解一天搞懂深度学习讲课的PPT，PPT主要包含四部分：什么是深度学习、深度学习的各种小技巧、有记忆力的深度学习模型、深度学习的应用和展望。
OutlineLectureI:IntroductionofDeepLearningLecturell:TipsforTrainingDeepNeuralNetworkLecturelll:ariantsofneuralNetworkLecturev:NextWaveLectureIntroductionofDeeplearningOutlineoflecturentroductionofDeepLearningLet'sstartwithgeneralmachinelearningWhyDeep"HelloWorldforDeepLearningMachineLearningLookingforafunctionSpeechrecognitionHowareyouImagerecognition=“Cat"Playinggo5-5″(nextmoveDialogueSystemHello(whattheusersaid)(systemresponseImageRecognition:FrameworkcatAsetofModefunctioncat)=“money"dosnakeImageRecognition:FrameworkcatAsetofModelf(41)="cat"f(=“moneyfunctionBetter)=“dog"f2(nakeGoodnessoffunctionfSupervisedLearningTrainingDatamonkey”“cat"“dogImageRecognition:FrameworkcatModelTrainingTestinAsetofunctioncatStepGoodnessofPickthe"Best"FunctionUsingfunctionfStepStep3TrainingDatamonkey”“cat"“dogThreestepsfordeeplearningStepStepStep3:pickdefineasetgoodnessofthebestoffunctionfunctionfunctionDeepLearningissosimple3DCTENCENTCO

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。