本软件（ART—Advanced RF Toolkit 高级射频工具箱）是在 IND2001--空芯线圈电感量计算程序 ATT2001--固定衰减器计算程序 EQQ--振幅均衡程序 FLC--LC谐振计算程序 基础上,把它们集成在一起,并增加了微带线计算、工程常量、上网助手等实用功能，主要是为了解决CATV无源产品如滤波器、混合器、分支分配器、衰减器等产品设计中一些器件和电路的计算机辅助设计，可以大大提高产品的研发效率。本软件在珠江三角洲地区的部分CATV厂得到广泛使用，成了CATV厂电子工程师的必备工具软件之一。

mlrMBO：R中的贝叶斯优化和基于模型的优化的工具箱

深度学习工具箱的额外层，包括： 1. sigmoid 激活层2. 回归输出的softmax激活层3.输入层支持多输入 几个例子来说明如何使用深度学习工具箱和额外的层。

经验模态分解（Empirical Mode Decomposition,EMD）法是黄锷（N. E. Huang）在美国国家宇航局与其他人于1998年创造性地提出的一种新型自适应信号时频处理方法，特别适用于非线性非平稳信号的分析处理。对经过EMD处理的信号再进行希尔伯特变换，就组成了大名鼎鼎的“希尔伯特—黄变换”（HHT）。由于脑电信号处理很少在EMD之后接上希尔伯特变换，在这里仅介绍EMD的相关基础知识。 　　EMD其实就是一种对信号进行分解的方法，与傅里叶变换、小波变换的核心思想一致，大家都想将信号分解为各个相互独立的成分的叠加；只不过傅里叶变换以及小波变换都要求要有基函数，而EMD却完全抛开了基函数的束缚，仅仅依据数据自身的时间尺度特征来进行信号分解，具备自适应性。由于无需基函数，EMD几乎可以用于任何类型信号的分解，尤其是在非线性、非平稳信号的分解上具有明显的优势。 　　EMD的目的是将信号分解为多个本征模函数（IMF）的叠加。IMF必需要满足以下两个条件： 　　（1）函数在整个时间范围内，局部极值点和过零点的数目必须相等，或最多相差一个； 　　（2）在任意时刻点，局部最大值的包络（上包络线）和局部最小值的包络（下包络线） 平均必须为零。 　　为什么IMF一定要满足这两个条件呢？经黄锷等人的研究，满足这两个条件的信号都是单组分的，相当于序列的每一个点只有一个瞬时频率，无其他频率组分叠加。这就为后续的希尔伯特变换铺平了道路，也使得瞬时频率有了意义。 　　值得一提的是，EMD在数学上还有一些细节无法证明，但是EMD已经在工程领域取得了辉煌的成就，这也是在科学界工程领先理论的一个例子。

将 SMBV100A 矢量信号发生器通过 USB 连接到主机，它将配置、设置和传输由其 IQ 数据矢量定义的信号。 它还可用于通过以太网从 RTO2044 数字示波器接收到主机的 IQ 信号。 因为它是为西班牙大学设计的，所以帮助文档是西班牙语的。 对不起。

卷积网络MATLAB工具箱，内有函数可以配合相关卷积网络使用，更加方便，速度效果会更好哦，只需要在MATLAB的路径下加入即可

WallPaperEngine简体中文稳定长期版本，内置Steam(原价￥18）补丁。用作WIndows下动态壁纸的制作，EXE JS HTML 普通视频格式 都可以用来制作。(内置Workshop)

Matlab kpca程序内核统计工具箱 介绍 内核统计工具箱仍在开发中。 现在有两种算法。 一种是内核主成分分析（KPCA）。 另一个是内核切片逆回归（KSIR）。 主要特征 在输入空间和特征空间中构造主要组件。 提供一个预处理程序，以防止在KSIR中遇到不适的问题。 支持线性，多项式和径向基核。 通过使用精简内核可以处理大规模问题。 下载KStat工具箱 资料格式 内核统计工具箱在Matlab中实现。 使用可以加载到Matlab中的数据格式。 实例由矩阵（实例的行和变量的列）表示，标签（1,2，...，k）或响应由列向量表示。 请注意，您也可以用1或-1表示二进制分类的标签。 用于分类 回归 代码用法 KStat工具箱包含两个主要功能：用于构造PC的KDR和用于使用KDR结果的UseKDR。 此外，用户还可以直接将KPCA和KSIR这两个核心程序用于特定的内核矩阵。 代码说明： 功能 描述 KDR 通过不同方法构造PC的主程序 使用KDR 使用KDR的结果建立预计的数据矩阵 KPCA 通过PCA查找内核矩阵的降维方向 KSIR 通过核矩阵的切片逆回归找到降维方向 KDR的用法 [I

最近整理了关于Matlab的学习资料，这是第一个，关于神经网络工具箱，深度学习，以及人工神经网络的内容，包含25中人工神经网络的matlab代码实现，Matlab神经网络用户手册，面前Matlab工具箱的神经网络理论与应用，深度学习CNN+DBN+RBM等资料。

matlab的egde源代码en pyrenn是Python和Matlab的工具箱。 特征 pyrenn允许创建各种各样的（递归）神经网络配置 创建，训练和使用神经网络非常容易 它使用（二阶拟牛顿优化方法）进行训练，它比的一阶方法快得多。 在Matlab版本中，额外实现了 python版本是用纯python和numpy编写的，而matlab版本是用纯matlab编写的（不需要工具箱） 并已实施，可用于实施进一步的训练算法 它带有各种示例，这些示例显示了如何创建，训练和使用神经网络。 文章 安装 使用pip安装（仅适用于python） 在命令行中运行： pip install pyrenn 手动安装 或将此仓库克隆（带有）到您选择的目录中。 Python：将python文件夹中的pyrenn.py文件复制到python的搜索路径中已经存在的目录，或者将python文件夹添加到python的搜索路径（sys.path）（） Matlab：将matlab文件夹添加到Matlab的搜索路径（） 开始使用 在examples文件夹中运行给定的examples 。 阅读并创建自己的神经网络 版权