经典算法matlab代码实现，经过测试，完全可用，用于计算机视觉的图像标定。

非常宝贵的BP神经网络算法资源，与其他设计不同，本课程设计没有利用神经网络工具箱。清晰的说明了BP算法结构。注释清晰易懂。不可多得的材料。

BP神经网络有很强的映射能力，主要用于模式识别分类、函数逼近、函数压缩等 代码实现的内容：要求设计一个BP网络，逼近以下函数g(x)=1+sin(k*pi/4*x),实现对该非线性函数的逼近。得出信号的频率与隐层节点之间及隐层节点与函数逼近能力之间的关系。

Matlab中用ANFIS做的函数逼近-新建文件夹.rar 由于模糊推理本身不具备自学习的功能，必须有丰富的专家经验才能得到满意的控制效果，而神经网络具备非常强的自组织自适应和自学习能力，可直接从样本中进行有效的学习。但它又不适于表达基于规则的知识，不能很好地表达人脑的推理能力。因此产生了基于网络的自适应模糊推理系统（Adaptive Neuro-Fuzzy Inference System）将二者有机地结合起来，可以用神经网络的学习机制补偿模糊控制系统原有的缺点。 所含文件： Matlab13.jpg

拉格朗日插值Matlab代码

牛顿插值Matlab

借助具弱压缩的粘性逼近,提出一种新的修正的迭代算法,用以寻求一公共元,它既是一无穷族非扩张映像的公共不动点集中的点,也是一有限族的平衡问题的解集中的点,而且它还是一变分不等式的解.在适当的条件下,一些强收敛定理在Hilbert空间的框架下被建立.所得结果推广和改进了Colao等[Nonlinear Anal,2009,71:2708-2715],Plubtieng等[J Math Anal Appl,2007,336:455-469],Colao等[J Math Anal Appl,2008,344:34

仿样有限条法(spline finite strip method)是分析等截面结构最流行的数值方法之一.在以往的研究中,与一些基准问题的解析结果相比较,论证了该方法数值结果的有效性和收敛性,但至今未对该方法的精确解和显式误差项进行过数学推导,解析地论证过其收敛性.该文在对平板的分析中,使用酉变换(简称U变换)逼近法,导出了仿样有限条法精确的数学解,这是首次在公开文献中给出的精确解.和常规的仿样有限条法相比较,总矩阵方程的集成及其数值解都不同,U变换法的总矩阵方程,减少为仅含有2个未知量的方程,然后导出仿

帕维托 Pavito是用编写的混合整数凸规划（MICP）求解程序包。 MICP问题是凸的，除了一些变量采用二进制或整数值的限制之外。 Pavito通过构造凸可行集的顺序多面外逼近来解决MICP问题，类似于 。 Pavito通过MathOptInterface接口访问最新的MILP求解器和连续的，基于导数的非线性编程（NLP）求解器。 对于使用圆锥求解器而不是NLP求解器的算法，请使用 。 Pajarito是一个健壮的混合整数圆锥求解器，可以处理已建立的问题类别，例如混合整数二阶锥规划（MISOCP）和混合整数半定规划（MISDP）。 安装 可以通过Julia软件包管理器安装Pavito： julia> ] pkg> add Pavito 用法 有几种便捷的方法可以在Julia中建模MICP并访问Pavito： NLP模型 圆锥模型 X X X JuMP和Convex.jl

最近电平逼近调制策略的MMC