用于函数逼近的rbf的matlab代码，有结果图和实验报告，可运行

多阶段伪谱法的基本实现的matlab代码，便于学习和改造成自己的实现。
建立了伪谱法的通用框架，目前包含切比雪夫和勒让德伪谱法，可以很容易加入其它伪谱法，也可以进一步加入分段策略改造成hp自适应伪谱法。
包含一些算例，如速降线，月面着陆。

把从CCS导出来的数据文件，拖到源文件文本框，然后直接点击下面的32bits转换或16bits转换，即可得到一个可以导入到matlab分析的数据文件。
在matlab中导入数据的命令如下：loadfilename.xxx

高斯卷积模板(高斯函数)Matlab代码，可实现二维高斯卷积模板的生成功能。
M文件，可用记事本打开。

matlab运行计算中通过嵌套循环实现年日历的年积日换算为日期的功能

本改进的LZW是基于普通的LZW实现的，具有更简洁且高效的字典设计，是利用matlab验证的具体实现

DeepLearningToolbox™提供了一个框架，用于设计和实现具有算法，预训练模型和应用程序的深度神经网络。
您可以使用卷积神经网络（ConvNets，CNN）和长期短期记忆（LSTM）网络对图像，时间序列和文本数据进行分类和回归。
应用程序和图表可帮助您可视化激活，编辑网络体系结构以及监控培训进度。
对于小型训练集，您可以使用预训练的深层网络模型（包括SqueezeNet，Inception-v3，ResNet-101，GoogLeNet和VGG-19）以及从TensorFlow™-Keras和Caffe导入的模型执行传输学习。
了解深度学习工具箱的基础知识深度学习图像从头开始训练卷积神经网络或使用预训练网络快速学习新任务使用时间序列，序列和文本进行深度学习为时间序列分类，回归和预测任务创建和训练网络深度学习调整和可视化绘制培训进度，评估准确性，进行预测，调整培训选项以及可视化网络学习的功能并行和云中的深度学习通过本地或云中的多个GPU扩展深度学习，并以交互方式或批量作业培训多个网络深度学习应用通过计算机视觉，图像处理，自动驾驶，信号和音频扩展深度学习工作流程深度学习导入，导出和自定义导入和导出网络，定义自定义深度学习图层以及自定义数据存储深度学习代码生成生成MATLAB代码或CUDA®和C++代码和部署深学习网络函数逼近和聚类使用浅层神经网络执行回归，分类和聚类时间序列和控制系统基于浅网络的模型非线性动态系统;使用顺序数据进行预测。

移相全桥matlab仿真实现,完全测试通过,可修改参数后用于自己设计.

对光伏电池板的工作原理进行简要分析并给出了其等效电路，建立了光伏池板的数学模型，在matlab/simulink仿真环境下搭建新的光伏池板的仿真模型。
基于该新仿真模型模拟了不同太阳光照强度、不同环境温度下的电流-电压（I-V）、功率-电压（P-V）特性曲线。
仿真结果与理论上的I-V、P-V曲线完全吻合，证明了新仿真模型的合理性与实用性。
对于光伏电池板在现实中的应用具有重要实际意义并对利用恒压法实现光伏电池板的最大功率点跟踪提供理论依据。

这是一种图像视觉显著性提取方法，对应文献S.Goferman,L.Zelnik-Manor,andA.Tal,“Context-awaresaliencydetection,”inIEEECVPR,2010,pp.2376–2383.该文献中的模型同时考虑了图像的局部特征和全局特征，克服了显著区域范围是固定模型以及区域只考虑到前景图像，忽视含有信息量的背景信息的做法，能提取出显著区域轮廓，利于后续处理，但是需要计算图像中每个像素点相当于局部区域的显著性，计算量较大。

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。