两阶段鲁棒优化代码，很好的学习资料，内附对应文献。

MIMO系统在A中的互质分解 传递函数矩阵的右互质 传递函数矩阵的左互质

通过快速和可定制的对抗性数据生成提高深度学习系统的鲁棒性 如有任何疑问，请通过电子邮件联系： 。 代码概述 该代码包含七个子项目。 我们研究了三个自定义损失函数（LRP，NCE，可疑性），并在MNIST和CIFAR数据集上进行了实验。 由于DGN架构因使用的数据集而异，因此我们决定将项目分成子项目以避免复杂性。 对于每个自定义损失，我们有两个子项目，分别是RobustMNIST和RobustCIFAR。 因此，我们有六个与基于CAE的对抗性数据生成相关的子项目。 一个子项目用于使用IBM Robustness Toolbox生成FGSM和PGD攻击数据以及FGSM，PGD对抗训练。 六个基于CAE的对抗性数据生成项目中的每个项目都具有相同的Python脚本。 CustomLosses.py ：包含自定义损失函数，该函数将用作DGN模型的损失函数 train.py ：训练DGN模型并将

一个鲁棒的图像水印算法，采用了小波变换，将图像自身的logo作为水印，性能不错。

基于图像内容的鲁棒水印算法研究.pdf，置乱算法论文资料

计及风电最优逆鲁棒指标的双层优化调度策略

分布式电源和波动负荷的接入使得传统配电网的调节设备和手段凸显出局限性，柔性开关设备(SOP)的应用可以解决间歇性源荷带来的问题。针对多端柔性互联设备在柔性配电网中的应用，建立计及运行损耗的三端SOP的拓扑结构和数学模型；考虑到源荷出力的不确定性会导致配电网节点电压越限和功率潮流不合理，将鲁棒优化和场景分析方法相结合，建立基于概率多场景的鲁棒运行优化模型，并采用锥优化方法进行求解；为了实现场景数量和精度平衡下多场景的快速生成，提出基于拉丁超立方抽样的概率多场景生成方法。以3组IEEE 33节点系统组成的配电网为算例，验证了所提鲁棒运行优化模型和场景生成方法的有效性，所提模型与方法实现了配电网运行经济性与安全性的协调，显著提高了模型计算效率，有效避免了“维数灾”现象。

该书内容非常全面，涵盖了多种卡尔曼滤波算法及MATLAB实现，作者将多年的工作经验融入此书，使之成为学习卡尔曼滤波的同学一本不可多得的经典参考书。

Buck变换器的鲁棒终端滑模控制-Buck变换器的鲁棒终端滑模控制.rar