自适应滤波LMS算法MATLAB实现，需要的人可以看看！

压缩感知(CS)是一种新的信号采样、处理和恢复理论,能够显著地降低高频窄带信号的采样频率。针对稀疏度未知信号的重建,提出了步长自适应前向后向追踪(AFBP)算法。不同于固定步长前向后向追踪(FBP)算法,AFBP的步长可变。它利用一种自适应阈值的方法选取前向步长,然后对候选支撑集进行正则化处理以保证其可靠性,接着用自适应阈值与变步长双向控制的方法选取后向步长以减少重建时间。AFBP能够自适应后向删除估计支撑集中部分错误索引以提高信号准确重建概率。在稀疏信号非零值服从常见分布条件下,用AFBP、FBP等算法进行重建的结果表明,AFBP的准确重建概率、重建精度与FBP相当,重建时间明显少于FBP,能够更高效地重建稀疏度未知信号。

基于粒子群算法的移动机器人路径规划，可直接运行，障碍物比较简单，可以自己做调整，程序还不错

CLPHP 订单系统 2018 WEB、WAP 自适应版——竞价页订单系统，快速下单，有邮件提醒，短信提醒。 功能强大、安全、稳定、防注入、不会空单、丢单等。本系统完全开源没有任何加密 CLPHP 订单系统 2018 WEB、WAP 自适应版主要功能： 1.颠覆传统，增加产品型号、产品尺寸、产品颜色等产品多选项选择，满足亲们多样需求 2.超乎想象，自带十六种可自适应电脑站和手机站的样式，一套源码解决亲 PC 端、WAP 端使用订单系统问题，全部为全新界面，更加美观、大气 3.带邮件提醒+手机短信提醒{手机邮箱开启短信提示功能即可}，特别增强对将 QQ 邮箱设置为订单发件箱的支持；邮件标题进一步优化，显示订单编号、姓名、联系电话 4.产品套餐选择支持单选、复选、下拉选择，迎合亲们的各种喜好 5.带订单来路页面和下单页面地址检测 6.支持下单人 IP 追踪 7.支持设置同一 IP 下单间隔时间，防重复提交；增强恶意空单拦截，有效应对恶意客户拦截传递过程中的订单信息后提交空单行为 8.升级优化邮件系统内核到最新 9.对空间要求更宽泛，fsockopen、pfsockopen 和 stream_socket_client 三个函数只需要开一个即可使用，支持绝大多数的 PHP 空间 10.相关提示更加人性化，拥有本订单系统的亲们能根据错误提示快速明了订单系统无法正常工作的原因，方便对症下药，迅速安装配置 11、增强支付宝付款接口，在支付宝业务调整，免签接口失效后，本店第一时间升级了订单系统，提供了收款码收款（支付宝收款码获取方法及替换方法见附送的 WORD 文档）及支付宝商户（即时到账、担保交易）双接口，方便买家根据自己的需求切换使用 12、新增微信付款接口，客户无需加好友，直接扫描二维码（微信支付付款二维码获取方法及替换方法见附送的 WORD 文档）完成支付。 13、加入伪数据库功能，订单提交失败自动写入设置好的数据文件中，确保不漏一单 请注意您空间要支持 PHP 或全能空间，空间不能禁用 SMTP.纯 ASP 空间不能使用本订单系统。 请注册一个 163 邮箱用来发信，（当然也可用其它邮箱发信，只是麻烦些）再注册一个手机邮箱用来收订单，同时手机邮箱请设置手机通知邮件到达免费提醒功能。

非线性系统的有限时间自适应模糊跟踪控制设计

Matlab LMS filter自适应滤波去噪例程，单频正弦信号加噪去噪，语音信号加噪去噪

订单系统豪华版，也就是全功能旗舰版了，带PC前台模块+WAP手机版模块（和PC端自适应）+文章模块+用户分销模块，整合多个支付接口，支持二维码推广。这个没任何加密，全解密版本，使用起来更加安全放心！ 使用说明：把程序解压到网站根目录，然后按照提示直接安装即可！

针对一类未知的连续非线性系统, 提出一个基于单网络近似动态规划(ADP) 的近似最优控制方案. 该方
案通过设计一个新型的递归神经网络(RNN) 辨识器放松了系统模型需已知或部分已知的要求, 并利用一个神经网
络(NN) 近似系统的性能指标函数消除了常规ADP方法中的控制网络. 通过Lyapunov 理论分析严格证明了闭环系
统内所有信号一致最终有界, 并且所获得的性能指标函数和控制输入分别收敛到最优性能指标函数和最优控制输入
的小邻域内. 仿真结果验证了所提出控制方案的有效性.

.在使用的.cpp和.h中都要添加#include "ResizeControl.h" 2.在类对话框中为使用该功能的对话框类添加一个WM_SIZE消息,,,即是重载 然后重载OnSize消息 在面里加入 //    CFormView::OnSize(nType, cx, cy);     m_Resize.OnSize(cx,cy); 这样就不用你操心怎么移动各个 控件的位置了

将自适应梯度算法（Adagrad）作为反向传播算法应用于普通的三层神经网络（输入层、隐含层、输出层）的反向传播过程，之后建立数据预测模型进行数据预测，压缩包中train.py为训练过程源码，test.py为测试过程源码，train.csv文件为训练数据集，test.csv文件为测试数据集，.npy文件为模型训练后保存的参数。