针对Smith控制对时滞系统抗干扰性差的弱点，提出了一种基于神经网络辨识的LM-Smith控制器。该控制器在经典Smith控制中引入神经元模型，实时辨识时变被控对象，使预估模型能准确跟踪被控对象，实现对时滞环节的完全补偿。仿真结果表明该方法构造简单、准确性好、鲁棒性较强，改善了经典Smith控制的控制效果。

本文中有两个gif图需要将文件使用html的方式打开才可以看到，主要介绍了本人对图卷积网络的形象化的理解，希望能够帮助到大家共同努力，谢谢！

基于原创博客：[学习分享]滑模控制、终端滑模控制、非奇异快速，趋近律、饱和函数、Matlab仿真、干扰、非线性控制[半天入门]

低速率拒绝服务（LDoS,low-rate denial of service）攻击是一种降质服务（RoQ,reduction of quality）攻击，具有平均速率低和隐蔽性强的特点，它是云计算平台和大数据中心面临的最大安全威胁之一。提取了LDoS攻击流量的3个内在特征，建立基于BP神经网络的LDoS攻击分类器，提出了基于联合特征的LDoS攻击检测方法。该方法将LDoS攻击的3个内在特征组成联合特征作为BP神经网络的输入，通过预先设定的决策指标，达到检测LDoS攻击的目的。采用LDoS攻击流量专用产生工具，在NS2仿真平台和test-bed网络环境中对检测算法进行了测试与验证，实验结果表明通过假设检验得出检测率为 96.68%。与现有研究成果比较说明基于联合特征的LDoS攻击检测性优于单个特征，并具有较高的计算效率。

伺服电机驱动的连铸结晶器振动系统的滑模控制

基于PNN神经网络的调制方式识别算法的matlab仿真 %2FSK y_2FSK = func_2FSK(N0); %4FSK y_4FSK = func_4FSK(N0); %BPSK y_2PSK = func_2PSK(N0); %QPSK y_4PSK = func_4PSK(N0);

使用RNN循环神经网络实现对爬取的京东评论信息进行情感分析 其中包括源代码、数据集、停用词等

第一种方案是基于超混沌系统和 DNA 编解码运算相结合的图像加密算法， 该算法对图像分块进行加密， 由混沌系统生成的混沌序列决定每一图像块的 DNA 编解码和运算方式。 针对该算法密钥空间较低以及不能抵御裁剪攻击的问题， 本文增加了算法中混沌系统的个数， 优化了加密的流程。 又研究了基于混沌系统和离散余弦变换（ DCT）相结合的图像加密压缩算法。此类算法可以在保证图像安全性的同时对图像数据进行压缩，从而提升图像传输的效率。 鉴于传统混沌系统 DCT 加密算法的加密过程比较单一， 本文在此基础上引入了符号加密， 并且将加密后的结果存储为一维数据。

深度学习通过训练样本进行特征识别,已经被广泛应用于道路提取领域。该方法不局限于特定类型的影像,但是受训练样本数量和计算机硬件的限制,所提取的道路会有断裂和噪声。针对上述问题,使用VGG卷积神经网络对道路进行初步提取后引入张量投票方法进行优化处理。首先通过影像变换、随机裁剪、过采样等方法对样本进行多模式扩充,进而训练VGG卷积神经网络模型;其次利用该网络从原始影像中初步分割道路面,接着对道路面的二值影像进行张量投票获取道路的显著性信息;最后在特征提取时针对显著性信息加入阈值获取道路面。实验结果表明,所提方法提取道路的召回率与正确率均达90%以上,与其他传统方法相比具有更高的精度,验证了所提方法的有效性。

为了利用测井信息识别潘庄地区的沉积特征,通过对潘庄区块钻井取芯和测井等资料的分析,建立了潘庄区块的山西组沉积微相模式。在此基础上,提取出已知沉积微相的自然伽马测井曲线的特征参数,运用MATLAB中的BP神经网络模型,把所提取的特征参数作为训练样本,运用所得网络模型对其他井的沉积微相进行解释。