综述了各种地震定位方法的基本原理，重点引见了Geiger的经典方法以及在此基础上建立的各种线性方法：联合定位法，相对定位法，和最新的双重残差法；
对每一种方法的应用情况，尤其是国内的工作做了总结；
同时也指出了各种方法的特点，并进行了相应的比较。
此外，还简要引见了空间域的定位方法和各种非线性定位方法

对于研一同学，数值计算的编程大作业是不可避免的一项任务。
本资源包含以下6个大作业的具体数学原理、实验结论和matlab程序，每一步matlab程序本人都尽做大程度进行标注，不懂的地方可以私信我实验一：利用拉格朗日的插值多项式的振荡景象（等距节点、随机节点、分段二次插值、切比雪夫多项式零点）实验二：最小二乘曲线拟合（直线、抛物线进行最小二乘拟合及验证）实验三：数值积分（变步长复化梯形公式、变步长复化辛普森、龙贝格法）实验四：线性方程组数值求解（Cholesky分解、LU分解、Jacobi迭代法、Gauss-Seidel迭代法）实验五：非线性方程求根（二分法、Newton法、弦截法）实验六：常微分初值问题数值解法（改进欧拉法、经典四阶龙格库塔法）

借助Lyapunov方法引入了参数的自适应律,并证明了该控制策略使得船舶运动非线性系统中所有信号有界,选取恰当的设计参数可以保证跟踪误差收敛到零。
以某运煤船为例,在Simulink环境下进行仿真研究,仿真结果表明:所设计的控制器无论在标称参数下还是在参数摄动及存在外界扰动的情况下,都显示出较好的控制功能和较好的鲁棒性。

读者调用案例的时候，只要把案例中的数据换成自己需要处理的数据，即可实现自己想要的网络。
如果在实现过程中有任何疑问，可以随时在MATLAB中文论坛与作者交流，作者每天在线，有问必答。
该书共有30个MATLAB神经网络的案例(含可运行程序)，包括BP、RBF、SVM、SOM、Hopfield、LVQ、Elman、小波等神经网络;还包含PSO(粒子群)、灰色神经网络、模糊网络、概率神经网络、遗传算法优化等内容。
该书另有31个配套的教学视频帮助读者更深入地了解神经网络。
本书可作为本科毕业设计、研究生项目设计、博士低年级课题设计参考书籍，同时对广大科研人员也有很高的参考价值。
图书目录第1章P神经网络的数据分类--语音特征信号分类第2章BP神经网络的非线性系统建模--非线性函数拟合第3章遗传算法优化BP神经网络--非线性函数拟合第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第5章基于BP_Adaboost的强分类器设计--公司财务预警建模第6章PID神经元网络解耦控制算法--多变量系统控制第7章RBF网络的回归--非线性函数回归的实现第8章GRNN的数据预测--基于广义回归神经网络的货运量预测第9章离散Hopfield神经网络的联想记忆--数字识别第10章离散Hopfield神经网络的分类--高校科研能力评价第11章连续Hopfield神经网络的优化--旅行商问题优化计算第12章SVM的数据分类预测--意大利葡萄酒种类识别第13章SVM的参数优化--如何更好的提升分类器的功能第14章SVM的回归预测分析--上证指数开盘指数预测第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--患者癌症发病预测第17章SOM神经网络的数据分类--柴油机故障诊断第18章Elman神经网络的数据预测--电力负荷预测模型研究第19章概率神经网络的分类预测--基于PNN的变压器故障诊断第20章神经网络变量筛选--基于BP的神经网络变量筛选第21章LVQ神经网络的分类--乳腺肿瘤诊断第22章LVQ神经网络的预测--人脸朝向识别第23章小波神经网络的时间序列预测--短时交通流量预测第24章模糊神经网络的预测算法--嘉陵江水质评价第25章广义神经网络的聚类算法--网络入侵聚类第26章粒子群优化算法的寻优算法--非线性函数极值寻优第27章遗传算法优化计算--建模自变量降维第28章基于灰色神经网络的预测算法研究--订单需求预测第29章基于Kohonen网络的聚类算法--网络入侵聚类第30章神经网络GUI的实现--基于GUI的神经网络拟合、模式识别、聚类

TELEMAC系统是一套适用于模仿河流、河口和海岸二、三维水动力、泥沙、水质和生态等问题的模型系统，由法国国家水力学与环境实验室开发，基于有限单元或有限体积数值求解。
TELEMAC-2D作为TELEMAC系统中的一个二维模块，可以用于研究水流、风暴潮、波浪、泥沙和污染物输移等。
模型功能包括:考虑非线性影响的波浪传播、底摩阻、科氏力影响、气压和风、紊流、河流入流、水平温盐密度梯度、干湿网格判断等。
其网格划分为非结构化的三角形网格，考虑到近岸水流、地形梯度的差异，对于重要区域可进行局部加密，对复杂地形的适用性比较强。

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。