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。

这本书研究控制算法的人一定知道，不必多言。
此电子书是完整的电子版（全英文版），取之于互联网，因此也把这份难得的好资料分享给大家。
啰嗦一句，这本书的知识结构基本上是自我包容的，学过线性空间（或者矩阵论）的人可以直接阅读。
如果有一点泛函基础更好。
以下是目录（英文目录太长，以下是翻译后的摘录）：符号与注释缩写表第一章绪论第二章线性代数第三章线性动态系统第四章性能指标第五章反馈系统的稳定性和性能第六童性能极限第七章模型降阶的平衡截断法第八章Hankel范数逼近第九章模型不确定性和鲁棒性第十章线性分式变换第十一章结构奇异值第十二章镇定控制器的参数化第十三章代数Riccati方程第十四章H2最优控制第十五章线性二次型优化第十六章H∞控制：简单情况第十七章H∞控制：一般情形第十八章H∞回路成形第十九章控制器降阶第二十章固定结构控制器第二十一章离散时间控制参考文献索引

AnyLogic，是一款应用广泛的，对离散，连续和混合系统建模和仿真的工具。
它的应用领域包括：控制系统，交通，动态系统，制造业，供给线，后勤部门，电信，网络，计算机系统，机械，化工，污水处理，军事，教育等等。

针对超短期负荷预测周期短，要求预测速度快的特点，构建了基于稳健回归和回声状态网络的超短期负荷预测方法。
回声状态网络作为一种递归神经网络，其隐含层为一个储备池，并且通过线性回归训练网络，从而具有映射复杂动态系统的能力和训练快速的特点，能较好地满足超短期负荷预测的要求。
考虑到异常负荷数据的影响，将稳健回归运用于网络训练阶段，以削弱异常值的影响，从而提升预测的精度。
通过算例验证了所提方法的可行性和有效性。

变增益控制一直是工程界最为常用的控制方法之一,应用领域十分广泛,特别是在飞行控制系统设计领域"传统的变增益控制设计方法缺乏保证系统在整个工作区域内的稳定性理论证明,同时设计步骤繁琐,已逐渐不能适应目前系统要求"LPV系统是一类重要的时变系统,由于能够描述一类实际动态系统本身存在的非线性和时变特性,所以应用LPV系统进行变增益设计可以避免传统变增益出现的问题"

本书在第1版广泛应用的基础上，吸收众多读者的宝贵建议进行改版，大幅完善了图书内容，以MATLABR2017b版软件为平台，注重实际应用，通过大量实例，结合科学计算中的重要问题，从MATLAB的入门知识开始，详细讲解MATLAB图形处理及图形用户界面，Simulink动态系统仿真，线性方程组求解，非线性方程（组）求解，矩阵特征值求解、优化、统计，微分方程数值解，有限元方法编程等，并在每章中都有非常丰富的综合实例。

带饱和函数的二阶跟踪微分器，二阶跟踪微分器是一个这样的动态系统：对它输入一个信号v(t)，它将输出两个信号x1和x2，其中x1是跟踪v(t)，从而x2作为v(t)的“近似微分”

《自适应控制》是一本专注于自适应控制系统理论、设计方法与实际应用的专业书籍。
自适应控制理论是一种工程控制理论，它通过让控制系统根据外部环境和内部状态的变化自动调整控制策略，以适应这些变化，达到提高控制性能的目的。
自适应控制系统通常具有以下几个主要特点：1.自适应能力：自适应控制系统能够检测系统性能的变化，并根据这些变化自动调整控制器参数，使得系统性能保持在最佳或者可接受的水平。
2.工程控制理论：自适应控制理论结合了经典控制理论与现代控制理论的优点，能够处理各种复杂和不确定的情况。
3.设计方法：自适应控制设计涉及理论分析与算法设计。
理论分析包括系统建模、稳定性分析等；
算法设计则包括自适应律的构造、参数估计、控制策略的制定等。
4.应用实例：书中将包含一系列自适应控制系统的应用实例，如工业过程控制、飞行器控制、机器人控制等，通过这些实例可以展示自适应控制技术的实际应用效果和价值。
书中内容涵盖以下主题：1.自适应控制系统简介：介绍自适应控制的基本概念、应用背景和研究动机。
2.实时参数估计：讨论在动态系统中实时估计参数的方法，如最小二乘法和回归模型的应用。
3.确定性自调谐调节器：探讨基于确定性模型的自调谐调节器设计，包括极点配置设计、间接和直接自调谐调节器的设计。
4.随机与预测性自调谐调节器：阐述如何设计基于随机模型和预测模型的自调谐调节器，如最小方差和滑动平均控制器的设计。
5.模型参考自适应系统（MRAS）：介绍MRAS的设计原理和方法，以及如何应用Lyapunov理论和稳定性分析来保证自适应控制系统的稳定性。
6.自适应系统的属性：分析自适应系统的非线性动态特性和稳定性问题，以及间接离散时间自调谐调节器的分析方法。
7.随机自适应控制：研究自适应控制在随机环境中的应用，例如多步决策问题和双重控制策略的设计。
在自适应控制系统中，模型参考自适应系统（MRAS）和自适应控制系统（STR）是两种重要的体系结构。
MRAS通过比较系统输出与参考模型的输出来调整控制器参数，而STR则直接根据系统性能来调整参数。
这两种体系结构在实际应用中各有优势，可以根据不同应用场景和性能要求灵活选用。
在自适应控制系统的设计与应用中，工程师和研究人员需要对系统的稳定性进行深入分析。
稳定性分析能够确保系统在受到干扰或参数变化时仍能保持良好的控制性能。
其中，Lyapunov稳定性理论是自适应控制系统稳定性分析的重要工具之一。
此外，实际工程应用中，系统可能面临各种不确定性和干扰，自适应控制系统需要具备一定的鲁棒性来应对这些挑战。
鲁棒自适应控制是设计自适应控制系统时需要考虑的重要方面。
书中还会介绍一些自适应控制系统的扩展应用，例如在非线性系统中的应用，以及自适应控制与其他控制策略如预测控制的结合。
《自适应控制》是一本全面介绍自适应控制理论、设计方法和实际应用的专业书籍，旨在为自动化、计算机科学与技术及相关专业的学生和专业技术人员提供深入的学习资源。
通过本书，读者可以系统地学习自适应控制的相关知识，并了解其在现代工程技术中的重要作用。

SystemView是一个用于现代工程与科学系统设计及仿真的动态系统分析平台。
从滤波器设计、信号处理、完整通信系统的设计与仿真，直到一般的系统数学模型建立等各个领域，SystemView在友好而且功能齐全的窗口环境下，为用户提供了一个精密的嵌入式分析工具。

MATLAB是当前科学家最具影响力，也是最有活力的软件，并已经成为线性代数、数值分析、自动控制、数字信号处理、动态系统仿真的高级课程的基本教学工具。
还在控制、通信、信号处理及科学计算等领域被广泛应用，且MATLAB还具有编程简单，易学易懂。

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。