神经网络、模糊和LQR实现一级倒立摆、二级倒立摆和三级倒立摆的控制，实验报告中有源码及说明，对学习控制仿真有比较大的参考价值。

粒子群算法优化BP神经网络matlab代码可用于人工智能的模式识别等

tensorflowpythoncpuwindow自己输入样本训练神经网络，测试，实现猫和狗两类动物的分类！！可用于学习！！样本资源少以及网络简单存在过拟合问题.

基于BP神经网络的车牌识别技术，包涵了车牌图像的预处理，数字形态学的车牌定位，车牌字符分割，车牌识别等。

IRIS数据集，包括三个文本文件和一个EXCEL表格，主要用于验证构建的神经网络的有效性，具体代码https://blog.csdn.net/ckzhb/article/details/60571769

目录前言第1章数字PID控制………………………………………………………………(1)1.1PID控制原理……………………………………………………………………(1)1.2连续系统的模拟PID仿真…………………………………………………………(2)1.3数字PID控制……………………………………………………………………(3)1.3.1位置式PID控制算法……………………………………………………………(3)1.3.2连续系统的数字PID控制仿真…………………………………………………(4)1.3.3离散系统的数字PID控制仿真…………………………………………………(8)1.3.4增量式PID控制算法及仿真…………………………………………………(14)1.3.5积分分离PID控制算法及仿真…………………………………………………(16)1.3.6抗积分饱和PID控制算法及仿真………………………………………………(20)1.3.7Ｔ型积分PID控制算法………………………………………………………(24)1.3.8变速积分PID算法及仿真……………………………………………………(24)1.3.9带滤波器的PID控制仿真……………………………………………………(28)1.3.10不完全微分PID控制算法及仿真……………………………………………(33)1.3.11微分先行PID控制算法及仿真………………………………………………(37)1.3.12带死区的PID控制算法及仿真………………………………………………(42)1.3.13基于前馈补偿的PID控制算法及仿真………………………………………(45)1.3.14步进式PID控制算法及仿真…………………………………………………(49)第2章常用的数字PID控制系统………………………………………………(53)2.1单回路PID控制系统……………………………………………………………(53)2.2串级PID控制……………………………………………………………………(53)2.2.1串级PID控制原理……………………………………………………………(53)2.2.2仿真程序及分析………………………………………………………………(54)2.3纯滞后系统的大林控制算法……………………………………………………(57)2.3.1大林控制算法原理……………………………………………………………(57)2.3.2仿真程序及分析………………………………………………………………(57)2.4纯滞后系统的Smith控制算法…………………………………………………(59)2.4.1连续Smith预估控制…………………………………………………………(59)2.4.2仿真程序及分析………………………………………………………………(61)2.4.3数字Smith预估控制…………………………………………………………(63)2.4.4仿真程序及分析………………………………………………………………(64)第3章专家PID控制和模糊PID控制…………………………………………(68)3．1专家PID控制…………………………………………………………………(68)3.1.1专家PID控制原理……………………………………………………………(68)3.1.2仿真程序及分析………………………………………………………………(69)3.2模糊自适应整定PID控制………………………………………………………(72)3.2.1模糊自适应整定PID控制原理………………………………………………(72)3.2.2仿真程序及分析………………………………………………………………(76)3.3模糊免疫PID控制算法…………………………………………………………(87)3.3.1模糊免疫PID控制算法原理…………………………………………………(88)3.3.2仿真程序及分析………………………………………………………………(89)第4章神经PID控制……………………………………………………………(94)4.1基于单神经元网络的PID智能控制………………………………………………(94)4.2基于BP神经网络整定的PID控制………………………………………………(103)4.3基于RBF神经网络整定的PID控制……………………………………………

Web的动手Python深度学习这是由Packt发布的AnubhavSingh和SayakPaul编写的“的代码库。
集成神经网络架构以使用Flask，Django和TensorFlow构建智能Web应用这本书是关于什么的？有效地使用深度学习技术可以帮助您开发智能Web应用程序。
在本书中，您将介绍用于使用Python在Web开发中实施深度学习的最新工具和技术实践。
从机器学习的基础知识开始，您将专注于DL和神经网络的基础知识，包括常见的变体，例如卷积神经网络（CNN）。
您将学习如何使用不同标准Web技术堆栈的前端将它们集成到网站中。
然后，本书通过为自定义模型创建RESTfulAPI，帮助您获得使用Python库（例如Django和Flask）开发支持深度学习的Web应用程序的实践经验。
稍后，您将探索如何为GoogleCloud和AmazonWebServices（AWS）上基于深度学习的Web部署设置云环境。
本书涵盖了以下令人兴奋的功能：探索深度学习模型并在浏览器中实现使用Django和Flask设计基于Web的智能客户端使用不同的基于Py

使用遗传算法对BP神经网络进行优化，BP网络的输入节点7隐层节点7输出节点

BP算法的改进在Matlab的实现。
.利用/01203中的神经网络工具箱提供的丰富网络学习和训练函数4对56网络和56算法的优化方案进行仿真4得到较优的56算法7

训练了一层卷积层的神经网络模型来预测CFIR10数据中的图像

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。