为了能在交通管理中提前采取措施规避可能存在的交通拥挤或堵塞，提出了一种高效可靠的短时交通流预测算法．首先采用BP神经网络与自回归求和滑动平均(ARIMA)两种方法分别建立单项预测子模型，再以BP神经网络作为最优非线性组合模型的逼近器，建立组合预测模型，对单项预测子模型的预测值进行融合，由此得到最终的预测结果．通过MATLAB与SPSS平台对实测交通流量数据进行了仿真分析，结果表明，该种组合预测方法是切实可行的．

本代码在keras开源代码框架下，基于深度卷积神经网络，实现猫的图片识别。

simulink是matlab最重要的组件之一，它提供一个动态系统建模、仿真和综合分析的集成环境。simulink已成为国内外高等院校高等数学、数值分析、数字信号处理、自动控制理论以及工程应用等课程的基本教学工具。 全书共分为17章，从matlab简介开始，详细介绍了simulink的基础知识、模块操作、信号操作、仿真设置、积分器使用、子系统技术、系统仿真过程、模型的调试、编写m语言s-函数及stateflow建模等内容。在本书最后还重点介绍了控制系统仿真系统、神经网络仿真系统、电力系统仿真系统的原理及其运用。 《基于matlab/simulink系统仿真权威指南》按逻辑编排，自始至终用实例描述，是一本简明的simulink综合性参考书。本书深入浅出，实例引导，讲解翔实，既可以作为高等院校理工科的研究生、本科生的教材，也可作为广大科研和工程技术人员的参考用书

MatlabBP神经网络用于模式分类-abbr_3e5c8b0f2a34cd20b7e03aec43afe776.rar BP 神经网络用于模式分类 大型网络的首选算法 - 函数拟合,模式识别，很不错的！！！

针对红外船只图像较模糊导致的识别率低、识别速度慢等问题，提出了一种基于深度卷积神经网络(CNN)的检测算法。首先采用标记分水岭分割算法提取红外船只图像中的连通区域，并对原图相应的目标位置进行标记和归一化处理，提取候选区域。采用改进的AlexNet(一种深度CNN模型)进行船只目标识别，将提取的候选区域送入改进的AlexNet进行特征提取和预测，得到最终检测结果。分水岭方法可大大减少候选区域检测时间，以及减少深度CNN识别时间。利用实验室自制的红外成像系统获取近千张红外船只图像数据，并对其平移缩放形成的数据集进行仿真实验。结果表明，标记分水岭与深度CNN的结合，可有效识别船只目标，所提方法具有良好的性能，能够更加快速准确地识别红外船只目标。

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仿真代码

传统的图像识别问题为经典的特征提取和模式匹配问题，共分为两个方面图像识别 和特征匹配。本文首先对图像识别问题进行了分析和总结，选取了以 Python 语言的 PTL 库作为图像识别的基本架构，其基本思路为讲图片预处理，包括图像分割、字符提取等。 字符识别本质为一个模式匹配问题，采用神经网络具有较好准确度，但是神经网络 具有训练时间长，容易陷入局部次优的缺陷。针对这一个问题，采用以卷积神经网络， 以卷积作为度量标准，进一步提升神经网络的反馈性能。 论文以 LeNet5 为卷积神经网络的基本工具集，针对设计和开发数字图像识别系统 系统实现所需要的技术方法需要进行全面的分析和掌握。

神经网络系统辨识法综述，张国钧，李岚，随着系统辨识技术发展的逐渐成熟，人工神经网络的系统辨识方法也越来越多的应用于各个领域，本文首先将神经网络系统辨识方法与经

CNN-generated images are surprisingly easy to spot... for now论文中的权重

针对空调器常见的故障类型，利用已知的空调故障征兆与故障类型矩阵构造诊断知识库，同时开发了一个神经网络专家系统，用于实现对待测试空调器的故障检测