将matlab神经网络工具箱代码导出Resnet18 ResNet-18 是一个卷积神经网络，它在来自 ImageNet 数据库的超过一百万张图像上进行了训练。 结果，网络已经为各种图像学习了丰富的特征表示。 该网络可以将图像分为 1000 个对象类别，例如键盘、鼠标、铅笔和许多动物。 该网络的图像输入大小为 224×224×3。 用法 此存储库需要 MATLAB（R2018b 及更高版本）和深度学习工具箱。 该存储库提供三个功能： resnet18Layers：使用 ResNet-18 的网络架构创建未经训练的网络要从头开始训练网络，请在 MATLAB 命令行中键入以下内容： lgraph = resnet18Layers; 未经训练的网络作为 layerGraph 对象返回。 要构建适用于图像分类的经过训练的 ResNet-18 网络，请在 MATLAB 命令行中键入以下内容： 净 = assembleResNet18; 经过训练的网络作为 DAGNetwork 对象返回。 要使用网络对图像进行分类： img = imresize(imread("peppers.png"),[22

wireshark-win32-1.6.5一款好用的网络抓包工具，比起Ethereal更好用

Matlab神经网络工具箱及其在软测量建模中的应用.pdf

MATLAB下神经网络工具箱的开发和应用.pdf

打包到百度网盘下载，内含下载链接

Matlab_神经网络工具箱（GUI界面的使用方法）,这是一个pdf文档，里面介绍了matlab神经网络工具箱的使用方法，很详细。

人工神经网络由于具有自我调整、自组织、自我容错、多数据并行处理等特点,已广泛应用在工程实践及高校科研等领域。其中,BP网络为神经网络的核心领域,在实际的工程应用中,大约70%以上的神经网络算法使用的是BP网络算法和BP网络算法改进。本文详细研究了基于MATLAB 2018工具箱的BP神经网络模型的建立和仿真过程,介绍了BP神经网络的原理及具体推导,并应用在江苏省教育厅高校哲学社会科学研究项目中,借助智能算法对指标体系的构成要素进行数据挖掘,所获取的知识对研究江苏省军工产业持续创新发展具有重要的意义。仿真结果表明,该模型能够很好地实现预期的预测结果。

ubnt设备扫描软件，先安装java，解压ubnt-discovery，运行ubnt-discovery批处理就可以。

解压密码请查看：https://blog.csdn.net/Yal_insist/article/details/118049442

批量ping工具，监控批量IP地址状态，有报表功能。pinginfoview 2.16