只有MATLAB程序和参数的说明，用户可以根据自己的需要，修改对应的参数

cpu动画演示，可以更直观形象的理解cpu的运行状态

电机控制动画演示，形象直观展示电机运行过程中三相电流和磁场变化。对初学者很有帮助.资源共享！原来需要积分下载，现在共享一下！

VC MFC Joseph Link约瑟夫环出列顺序动画演示 源代码 数据结构课程设计优秀作品

算法入门资源，便于快速掌握和复习。学的久了忘记的也可以用来回顾下……

动画模拟消防报警联动设备工作过程，利于对消防工程理解和学习。

用matlab制作猫捉老鼠动画 用matlab制作动画，都是一些基本的语句，实现简单的动画演示。

内含有目前电子产业用的最多的51单片机的学习资源。包含教学课件和Flash动画演示。还有一个51单片机开发使用技巧和实训。

数据结构二叉树三种遍历动画演示

我的思路是这样的： 最速下降法能找出全局最优点，但在接近最优点的区域内就会陷入“齿型”迭代中，使其每进行一步迭代都要花掉非常久的时间，这样长久的等待是无法忍受的，不信你就在我那个程序的第一步迭代中把精度取得很小如：0.000000001等，其实我等过一个钟都没有什么结果出来。 再者我们考究一下 牛顿迭代法求最优问题，牛顿法相对最速下降法的速度就快得多了，而且还有一个好处就是能高度逼近最优值，而不会出现死等待的现象。 如后面的精度，你可以取如：0.0000000000001等。 但是牛顿法也有缺点，就是要求的初始值非常严格，如果取不好，逼近的最优解将不收敛，甚至不是最优解。 就算收敛也不能保证那个结就是全局最优解，所以我们的出发点应该是：为牛顿法找到一个好的初始点，而且这个初始点应该是在全局最优点附近，这个初始点就能保证牛顿法高精度收敛到最优点，而且速度还很快。 思路概括如下： 1。用最速下降法在大范围找到一个好的初始点给牛顿法：（最速下降法在精度不是很高的情况下逼近速度也是蛮快的） 2。在最优点附近改用牛顿法，用最速下降法找到的点为牛顿法的初始点，提高逼近速度与精度。 3。这样两种方法相结合，既能提高逼近的精度，还能提高逼近的速度，而且还能保证是全局最优点。这就充分吸收各自的优点，扬长避短。得到理想的结果了。