采用C0复杂度算法，分析了Logistic映射、简化Lorenz系统和超混沌Lorenz系统的复杂度特性，并与系统的Lyapunov指数谱和分岔图进行对比，结果表明，C0复杂度能正确反映系统的复杂度特性；三系统复杂度从大到小依次为Logistic系统、超混沌Lorenz系统和简化Lorenz系统。将C0复杂度算法与谱熵算法（SE ）和强度统计算法（LMC ）计算结果对比，进一步说明C0算法分析混沌系统复杂度的有效性。系统复杂度随时间演化的特性分析表明，系统复杂度在一定范围内波动，即系统具有演化稳定性，两连续系统中 y序列复杂度最大。为混沌系统应用于信息加密、保密通信领域提供了理论与实验依据。

详细说明DL4J作为Java深度学习接口的特点以及使用方法，包括构建不同神经网络类型比如卷积，循环，前馈，以及从训练集构建到模型评估的全流程手把手教学

这个例子显示了在高斯白噪声作用下，使用人工神经网络（ANN）对2DOF系统进行系统辨识。神经网络由以下几层组成：-输入层：4个节点。-隐藏层，-输出层

神经网络控制已发展成为“智能控制”的一个新的分支，属先进控制技术，为解决复杂的非线性、不确定、不确知系统的控制问题，开辟了一条新的途径。《神经网络控制》分五章阐述了(人工)神经网络理论基础，基于神经网络的动态系统模型、逆模型及其辨识问题，神经网络控制的多种结构及其设计问题，遗传算法的寻优机理，遗传算法与系统辨识、遗传算法与神经控制问题。 《神经网络控制》适合作为高等工科院校自动控制、信息处理、工业自动化、模式识别与智能控制等专业高年级本科生、研究生的教材或教学参考书，也适用于从事以上专业的工程技术人员阅读。

新型忆阻细胞神经网络的建模及电路仿真

博客：pytorch 搭建神经网络最简版 配套资源

本硕博研究专用 其中常规PID和模糊PID是用仿真实现的，神经网络PID是用编程实现的。

这是一个关于卷积神经网络的基础入门学习PPT，适合初学者，已经汇报讲解者。

这是包含1000只猫（Cat）的数据集，均为图片格式（命名以.jpg结尾）

这是可以用于训练CNN或者RNN等人工智能网络结构的dog数据集。其中包含1000只dog的图片，命名均为.jpg结尾。