针对长短期记忆网络（lstm)的算法过程做了详细推导，有具体公式，长达十页，也用matlab对该算法进行了实现，有运行程序和结果图片。

ima0786请刷新您对成本价的记忆

MATLAB神经网络43个案例分析源代码&数据《MATLAB神经网络43个案例分析》目录第1章BP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网络的预测----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章初始SVM分类与回归第13章LIBSVM参数实例详解第14章基于SVM的数据分类预测——意大利葡萄酒种类识别第15章SVM的参数优化——如何更好的提升分类器的性能第16章基于SVM的回归预测分析——上证指数开盘指数预测.第17章基于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18章基于SVM的图像分割-真彩色图像分割第19章基于SVM的手写字体识别第20章LIBSVM-FarutoUltimate工具箱及GUI版本介绍与使用第21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22章SOM神经网络的数据分类--柴油机故障诊断第23章Elman神经网络的数据预测----电力负荷预测模型研究第24章概率神经网络的分类预测--基于PNN的变压器故障诊断第25章基于MIV的神经网络变量筛选----基于BP神经网络的变量筛选第26章LVQ神经网络的分类——乳腺肿瘤诊断第27章LVQ神经网络的预测——人脸朝向识别第28章决策树分类器的应用研究——乳腺癌诊断第29章极限学习机在回归拟合及分类问题中的应用研究——对比实验第30章基于随机森林思想的组合分类器设计——乳腺癌诊断第31章思维进化算法优化BP神经网络——非线性函数拟合第32章小波神经网络的时间序列预测——短时交通流量预测第33章模糊神经网络的预测算法——嘉陵江水质评价第34章广义神经网络的聚类算法——网络入侵聚类第35章粒子群优化算法的寻优算法——非线性函数极值寻优第36章遗传算法优化计算——建模自变量降维第37章基于灰色神经网络的预测算法研究——订单需求预测第38章基于Kohonen网络的聚类算法——网络入侵聚类第39章神经网络GUI的实现——基于GUI的神经网络拟合、模式识别、聚类第40章动态神经网络时间序列预测研究——基于MATLAB的NARX实现第41章定制神经网络的实现——神经网络的个性化建模与仿真第42章并行运算与神经网络——基于CPU/GPU的并行神经网络运算第43章神经网络高效编程技巧——基于MATLABR2012b新版本特性的探讨

《2016年考研核心考点命题思路解密计算机网络》严格按照最新计算机考研408统考大纲的计算机网络部分编写，涵盖大纲指定的所有考试内容。
本书对统考大纲所涉及的知识点进行深入剖析和总结，并精心策划和部署每一个章节，对每一个章节的考点做了独家策划。
本书每一个考点中的命题，绝大部分来源于历年名校计算机考研真题和统考真题，少部分来源名校期末考试试题中的精华部分，是全国408统考大纲和高校考研真题的较好结合。
为了提高考题的质量和解析的准确度，参考资料采用以考研权威教材、习题、考研真题为主，多方借鉴众多高校从事多年教育的教师课堂资料。
梦享团队对每一个命题的思路和解题方法进行深入详细地讲解，并附上大量的图来帮助考生理解记忆，力求考生能够通过掌握一个题目而达到举一反三，有利于考生利用更少的时间掌握更多的知识。
本书可作为考生参加计算机专业研究生入学考试的备考复习用书，也可作为计算机专业的学生学习计算机网络的练习用书。

rsa算法是一种非常安全的不对称密钥加密算法，是很多密码产品和安全软件的基础，在共享软件使用rsa算法的私钥产生注册码，能有效抵御破解。
rsa算法的安全性取决于密钥的长度，最少需要1024位，而编译器提供的数据范围，最大也只有64位，即使浮点数，也远远无法满足算法的要求，这就必须使用大数运算库。
gmp是非常优秀的大数运算库，但是它并不是转为vc设计，想要在vc中使用，尤其是vs2010环境中使用，配置非常麻烦，这花了我一周的时间，才链接配置成功，在此记录下来配置方法，一方面是为了加强自己的记忆，另一方面是为了帮助有需要的朋友。
配置方法在vs2010，unicode编码下，debug和release模式下编译成功，详细配置方法在文件中，源代码包括rsa加密解密代码，你可以直接拷贝到自己的代码中。
rsa公钥私钥的生成可参考rsatool软件。

对lstm长短时记忆神经网络的简单介绍，包括循环神经网络的基础知识，lstm的简介和用lstm预测正弦图像的实验。

MFC自定义界面HUI，高效简单，含详细注释和示例。
HUI包括基本控件、按钮、标签、编辑框、表格、悬停提示等，可组合出更多功能。
资源占用少，效率高，能在低端机上运行，流畅不闪烁，完全满足工控等各种专业软件实现个性化要求。
本资源是“http://download.csdn.net/detail/hhhh63/6961889”的正式发布版。
包括3个项目，Hui、HuiDemo1和HuiDemo2。
一、Hui项目本项目是DLL项目，包括完整的界面库，使用双缓存，局部重画等技术，性能优异。
为保证在不同的MFC版本中使用，本次上传提供了这部分的源码，一般不要对其改动。
二、HuiDemo1简单的应用示例，包括窗口分割，控制面板和主显示区等，展示控件各方向停靠、自动充满、全屏切换、记忆窗口位置和大小、选项设置和保存注册表等功能，用户可直接以此为基础开发新项目。
如需扩展其它功能，可从HuiDemo2查找复制相应代码。
三、HuiDemo2除HuiDemo1的所有功能外，还包括界面库的全部功能和其它实用扩展功能，左中右三栏式分布，左右固定宽度，中间栏大小可变。
1、左边是属性栏，固定宽度，上边是时钟，下边是鼠标信息，当鼠标移到中间的图像区时显示鼠标位置和图像值。
2、中间是图像区，演示如何动态生存索引图像，从下向上移动，自适应大小，长宽比不变，点右边的调色板按钮改变颜色，点保存按钮把当前图像保存到桌面。
3、右边上边是控制栏，在中间的图像区中画各种几何图形，并计算几何图形包围的图像数据的最大值，最小值和平均值。
4、右边下边是表格演示，显示Windows文件夹下的文件列表，自动充满窗口区，随窗口大小改变显示项数，保证界面美观，最下面是搜索和定位功能。
四、运行环境，VC2010或更高版本。
欢迎大家下载并提意见，本资源版权归作者所有，分享供大家研究学心，不得用于商业用途，如有特殊要求请与本人联系。

前言第1章概述1.1宽带无线移动通信系统的发展1.2功率放大器线性化技术简介1.2.1国内外研究现状1.2.2本书的创新性工作1.3本书结构安排第2章功率放大器数学模型2.1功率放大器非线性效应分析2.2非线性效应基带等效分析2.3无记忆功率放大器典型模型2.3.1Saleh模型2.3.2Rapp模型2.3.3多项式模型2.4宽带功率放大器记忆效应分析2.5有记忆功率放大器模型2.5.1Volterra模型2.5.2多项式模型2.5.3Wiener模型2.5.4Hammerstein模型2.5.5并行Hammerstein模型2.5.6神经网络模型2.6本章小结第3章功率放大器非线性对传输信号的影响3.1非线性的时域及频域分析3.1.1谐波失真3.1.2互调失真3.1.3交调失真3.1.4AM/AM和AM/PM畸变3.2功率放大器非线性对多载波信号功率谱的影响3.2.1无记忆模型功率谱的解析表达3.2.2有记忆模型功率谱的解析表达3.2.3仿真及分析3.3功率放大器非线性对多载波信号符号率的影响3.3.1误符号率的解析表达3.3.2仿真及分析3.4功率放大器非线性评价指标3.4.1分贝压缩点功率3.4.2三阶互调系数3.4.3三阶截断点3.4.4交调系数3.4.5输入及输出回退3.4.6系统性能总损耗3.5本章小结第4章宽带功率放大器预失真技术简介4.1数字预失真技术综述4.2预失真技术基本原理4.3非自适应性预失真技术4.3.1方案概述4.3.2特性曲线的测量4.4射频自适应预失真技术4.5中频自适应预失真技术4.6基带自适应数字预失真技术4.7本章小结第5章宽带功率放大器预失真估计结构5.1直接学习结构5.2间接学习结构5.2.1基于IDLA的新算法5.2.2仿真及分析5.3本章小结第6章基于查询表的数字预失真6.1查询表预失真方法综述6.1.1查询表形式6.1.2查询表的指针方式6.1.3查询表地址索引方式6.1.4查询表自适应算法6.1.5查询表预失真方法的不足6.2无记忆查询表预失真方法6.2.1常规查询表预失真算法6.2.2改进的查询表预失真方法6.3有记忆查询表预失真方法6.3.1一维查询表预失真方法6.3.2二维查询表预失真方法6.4本章小结第7章基于多项式的数字预失真7.1多项式预失真方法综述7.1.1多项式模型7.1.2多项式自适应算法7.1.3多项式预失真方法的不足7.2多项式形式的选择7.2.1预失真多项式形式7.2.2正交多项式模型7.3无记忆多项式预失真方法7.3.1分段无记忆多项式预失真方法7.3.2直接学习结构递推系数估计方法7.3.3间接学习结构系数估计方法7.3.4正交多项式预失真方法7.3.5动态系数多项式预失真方法7.4有记忆多项式预失真方法7.4.1分段有记忆多项式预失真方法7.4.2归一化最小均方系数估计方法7.4.3广义归一化梯度下降系数估计方法7.4.4广义记忆多项式预失真方法7.4.5分数阶记忆多项式预失真方法7.4.6Hammerstein预失真方法7.5本章小结第8章宽带功率放大器预失真方案设计8.1数字预失真系统设计8.2反馈环路延迟估计8.2.1常规环路延迟估计方法8.2.2提出的环路延迟估计方法8.2.3仿真分析8.3PAPR降低技术与预失真8.3.1问题引出8.3.2PAPR降低技术8.3.3限幅对OFDM信号预失真性能的影响8.3.4PAPR降低技术与PA线性化的内在联系8.4宽带功率放大器的有效阶估计8.5关于硬件实现8.5.1非自适应预失真硬件实现8.5.2自适应数字预失真硬件实现8.6宽带功率放大器预失真新理论与技术8.6.1功率放大器预失真新理论8.6.2功率放大器预失真新技术8.7本章小结参考文献附录A符号表附录B缩略语

MATLAB工具包DEEPLEARNINGTOOLBOX(一)DeepLearningToolbox提供了一个用于通过算法、预训练模型和应用程序来设计和实现深度神经网络的框架。
我们可以使用卷积神经网络（ConvNet、CNN）和长短期记忆(LSTM)网络对图像、时序和文本数据执行分类和回归。

MATLAB工具包DEEPLEARNINGTOOLBOX(一)DeepLearningToolbox提供了一个用于通过算法、预训练模型和应用程序来设计和实现深度神经网络的框架。
我们可以使用卷积神经网络（ConvNet、CNN）和长短期记忆(LSTM)网络对图像、时序和文本数据执行分类和回归。

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。