先进PID控制MATLAB仿真，全部MATLAB源程序。 全书共分11章，包括连续系统和离散系统的PID控制；常用数字PID控制；专家PID和模糊PID控制；神经PID控制；遗传算法PID控制等。

Structure Aware SBL for IRS Bayesian Algorithms for Kronecker-structured Sparse Vector Recovery With Application to IRS-MIMO Channel Estimation 一种RIS信道估计方法，采用克罗内克结构，结合贝叶斯框架，包括AM-SBL方法及SVD-SBL方法

ADRC控制器仿真 simulink 2017a版本

用matlab对图像进行频谱分析代码欢迎来到我的项目 为了更好地观看，请访问 最初创建者在GNU通用公共许可证版本2.0（GPLv2）下。 依存关系FastICA（或） 设置 在终端中输入： cd ~/path-to-directory git clone https://github.com/davidkun/HyperSpectralToolbox.git git clone https://github.com/davidkun/FastICA.git 打开Matlab。 默认目录应包含文件startup.m 。 如果没有，请创建它： % in Matlab command window uPath = userpath; cd(uPath(1:end-1)); % removes trailing colon edit startup.m % may ask if you'd like to create it; click Yes 向其添加以下代码（确保修改path-to-directory ，使其与实际路径匹配）： addtopath('~/path-to-director

内容： 1 绪论 1.1 人工神经网络的研究背景和意义 1.2 神经网络的发展与研究现状 1.3 神经网络的研究内容和目前存在的问题 1.4 神经网络的应用 2 神经网络结构及BP神经网络 2.1 神经元与网络结构 2.2 BP神经网络及其原理 2.3 BP神经网络的主要功能 2.4 BP网络的优点以及局限性 3 BP神经网络在实例中的应用 3.1 基于MATLAB的BP神经网络工具箱函数 3.2 BP网络在函数逼近中的应用 3.3 BP网络在样本含量估计中的应用

几种前向神经网络的应用实例-matlab编的源代码.rar 应用实例和代码都有了

matlab精度检验代码深醋酸 预测蛋白质中赖氨酸乙酰化位点的深度学习框架 要求 Python> = 3.6 Matlab2016a Tensorflow = 1.6.0 文件描述 “深度学习”文件夹中有七个子文件夹。 由这六个编码方案命名的文件夹是python代码，并且通过对通过不同编码方法获得的特征向量执行4倍交叉验证来获得预测变量。 在名为“编码方案”的文件夹中，MATLAB代码有六种不同的编码方案，分别为Aaindex，BLOSUM62，CKSAAP（K空间氨基酸对的组成），IG（信息增益）One-hot和PSSM（位置特定计分）矩阵）。 这些程序可以将蛋白质片段编码为不同尺寸的特征向量。 名为“蛋白质捕获”的文件夹是一种蛋白质拦截程序，能够将蛋白质解释为长度相等的以赖氨酸为中心的片段。 （注意：运行该程序时，将FASTA文件和蛋白质ID文件放在此文件夹中） 名为“功能组合”的文件夹包含通过将六种编码方法与F分数组合而获得的最佳模型。 （注意：在运行该程序时，将编码测试集放入文件夹中，并且该文件夹中的所有文件应位于同一路径中） 六种编码方式介绍 一键编码 在乙酰化位点附近的小范

在Alexnet网络模型的基础上，基于迁移学习原理，来训练R-CNN目标检测网络。并对Matlab自带的stop sign(停止标志)图像数据集进行识别，该数据集已标注好。其实现步骤如下： 步骤一：导入Alexnet预训练的模型 步骤二：载入训练集图像 步骤三：设置训练参数，并基于迁移学习原理，在Alexnet卷积神经网络基础上，通过41幅包括stop sign的图像训练R-CNN检测器。 步骤四：使用测试图像检验训练好的目标检测器对stop sign图像的检测效果，在原图上标记目标区域并显示类别和置信度。

matlab开发-2个变量的Newtonraphson方法。2变量非线性系统的牛顿法（也解决了线性系统）

matlab匹配滤波代码电子Prime数据获取 ABCD项目使用e-Prime软件在fMRI扫描期间运行行为测试。 E-Prime生成具有行为结果的EDAT2（二进制）文件。 EDAT2文件在获取站点被转换为ASCII TAB分隔（首选）或逗号分隔的电子表格文件（分别为扩展名.txt和.csv），以进行进一步分析。 我们已经观察到了这种转换过程中产生的几种类型的错误。 eprime_sprdsht_get.py读取包含E-Prime电子表格的文本文件，检测文件的编码和格式，解释其内容，同时解决已知的编码问题，在文件中识别电子表格中的行为任务，提取实验的开始日期和时间，编号实验中的运行次数，以及每次运行的开始时间。 然后，它评估文件中的每次运行与指定的pGUID，任务名称以及序列日期和时间之间的匹配。 如果提供了目录或路径，程序将查找并处理该路径下的所有文件，以查找与所提供的参数（pGUID，任务，系列日期和时间）最匹配的文件。 程序将为每个文件返回一个诊断号，以总结其格式和内容。 如果需要，脚本将导出特定E-Prime文件的标准格式的纯净版本。 我们包括一个附加脚本abcd_get_e