擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真。

matlab图像隐藏代码 Hide-Image-2.0 Image Hiding 2. Matlab Code

【车辆识别】基于卷积神经网络yolov3识别车辆和车辆速度附matlab代码

中值滤波代码 matlab simple_image_process Matlab code for means filter and median filter

频率解析Matlab代码电力系统和微电网的控制与动态 《电力系统和微电网的控制与动力学》一书的代码，CRC出版社，2017年 该文件夹包含本书第3章（常规电网的频率控制）和第6章（微电网）中的代码。 该文件夹还包含我2015年关于双馈感应发电机风力涡轮机建模的第2章（无感应电动机加速）中的代码（chapter2.zip）。 第3章代码：运行模拟（chapter3_twoareafrequencycontrol_linearmodel.slx）后，在Matlab中执行以下命令以绘制两个区域的两个ACE。 情节（simout.Time，simout.Data（：，13:14））。 第3章代码和simulink文件：首先运行数据文件：data_PQsharing.m，然后运行simuink文件：PQ_VSC_complete_v1.slx

环matlab代码块 板块边界区的现代变形记录为 GPS 速度，反映了板块运动和弹性应变积累的结合。 这组代码实现了由以下描述的块建模方法： Meade, BJ 和 JP Loveless (2009)，具有多个断层网络几何形状的块体建模和球坐标系中的线弹性耦合估计器，美国地震学会公报，99(6)，3124–3139，。 Blocks 设计用于 Matlab R2014b 及更高版本。 可以在 和 中找到文档（不断发展的）。 开始： Blocks用作子模块。 要克隆Blocks ，请运行 $ git clone --recursive https://github.com/jploveless/Blocks.git 克隆后，在 Matlab 命令提示符下运行以下命令： blockshome = ' ~/MATLAB/Blocks ' ; % Edit path to where you placed the Blocks directory cd(blockshome) cd BlocksUtilities % The next function adds the Blocks sub

热传递matlab代码传热项目 此回购协议是2020年Spring完成的所有传热类项目每个文件夹包括： 1.任务说明2.MATLAB代码3.写ups

matlab中存档算法代码KTA2 KTA2-克里金辅助的Two_Arch2 - - - - - - - - - - - - - - - - 参考 - - - - - - - - - -------------- Z. Song，H. Wang，C. He和Y. Jin，Kriging辅助的两归档进化算法，用于IEEE进化计算中的多目标优化。 -------------------------------版权------------------ -------------- 版权所有（c）2021 HandingWangXD Group。 在保留本版权声明并引用了代码来源的前提下，允许出于研究和非商业目的复制和使用此代码。 该代码按“原样”提供，没有任何明示或暗示的保证。 ----------------------------参数设置-------------------- ------- mu --- 5 ---每一代重新评估的解决方案的数量 tau --- 0.75 * N ---训练数据中一种非影响点的比例 wmax-10-更新CA和DA之前的世代数 phi --- 0.1 -

里面包含了两个文件，1，jaya.m保存了jaya算法2.Sphere.m保存了测试函数。希望大家在下载之前能看看我之前发布的jaya学习文章，自己动手敲下代码。

神经网络实现分类matlab代码人工神经网络的 LRP 工具箱 (1.3.0) 逐层相关性传播 (LRP) 算法通过使用学习模型本身的拓扑将相关性分数归因于输入的重要组成部分来解释特定于给定数据点的分类器的预测。 LRP 工具箱为支持 Matlab 和 python 的人工神经网络提供了简单且可访问的 LRP 独立实现。 工具箱实现了 Caffe 深度学习框架的 LRP 功能，作为 10/2015 发布的 Caffe 源代码的扩展。 Matlab 和 python 的实现旨在作为沙箱或游乐场，让用户熟悉 LRP 算法，因此在实现时考虑了可读性和透明度。 可以使用原始文本格式、Matlab 的 .mat 文件和 python/numpy 的 .npy 格式导入和导出模型和数据。 查看 LRP 工具箱的实际应用 要在浏览器中试用基于 python 的 MNIST 演示或基于 Caffe 的 ImageNet 演示，请单击相应的面板： MNIST 图片 文本 基于神经网络的简单 LRP 演示，可预测手写数字并使用 MNIST 数据集进行训练。 基于使用 Caffe 实现的神经网络的更复杂的