这份资料主要绍了基于数学优化的遥控赛车自动驾驶技术。利用车辆的动力学模型，通过基于后退地平线的控制器计算控制输入，其目标是在满足保持轨迹和避开对手要求的情况下最大限度地提高轨迹上的进度。提出了两种不同的控制公式。第一个控制器采用两层结构，由路径规划器和非线性模型预测控制器(NMPC)组成。第二控制器遵循轮廓控制的思想，将这两个任务结合在一个非线性优化问题中。利用线性化得到的线性齿形变化模型，在每个采样点建立凸二次规划形式的控制非线性规划的局部逼近。所得到的OPs具有典型的MPC结构，通过最近的结构挖掘求解器可以在毫秒范围内求解，这是整个控制方案实时可行性的关键。避障是由一种基于mcans或动态规划的高层走廊规划器实现的，该控制器根据当前对手的位置和轨道布局，对控制器进行凸约束。采用1:43比例的钢筋混凝土赛车，在超过3米/秒的速度下，在有饱和后轮力(漂移)的操作区域，对控制性能进行了实验研究。该算法在嵌入式计算平台上以50hz的采样率运行，证明了基于优化的自动驾驶方法的实时性和高性能。

风电场杂波抑制方法

matlab代码影响基于SWT的时间序列预测，降噪和贝叶斯优化-LSTM 基于SWT降噪和贝叶斯优化LSTM的时间序列预测，长期和短期存储网络LSTM近年来引起了人们对于短期时间序列预测问题的关注。 但是，由于此方法是一种深度学习方法，因此通常会面临许多超参数的影响。 众所周知，深度学习超参数的设置尚无明确的指导原则，其中大多数使用经验方法，例如学习率1e-3、1e-4等。迭代次数根据改变损耗曲线等。这种方法易于尝试，发现效果更好。一群人，既费时又费力。 为此，本文将使用贝叶斯优化对LSTM的参数进行优化，同时使用同步压缩小波SWT对原始数据进行滤波以降低噪声，并使用降噪会议的数据进行建模，最后通过实例验证说明SWT- Bayes-LSTM模型的预测效果更好。 该代码是由maltab2020b编写的，matlab代码，MATLAB代码，长短时记忆网络LSTM在针对短时时间序列预测问题上近来年受到大家的关注，但由于该方法为深度学习方法，通常面临着众多超参数的影响，而导致，关于深度学习超参数的设置并没有一直明确的指导方针，大多采用经验方法，选择性学习率1e-3,1e-4啥的，交替次数根据损

使用LMS算法的多麦克风降噪 录制一段语音信号input.wav（默认为无噪环境），为这段语音添加高斯噪声设定为主麦克风，得到主麦克风录制的受噪声污染的语音信号和参考麦克风录制的噪声LMSrefns.wav，利用LMS算法实现语音增强的目标，得到清晰的语音信号。 （1）主麦克风录制的语音信号是LMSprimsp.wav，参考麦克风录制的参考噪声是LMSrefns.wav.用matlab指令读取； （2）利用LMS算法对LMSprimsp.wav进行滤波去噪； （4）算法仿真收敛以后，得到降噪后的语音信号； （5）用matlab指令回放增强后的语音信号； （6）分别对增强前后的语音信号作频谱分析并plot出来。 主代码：main_.m LMS实现：LMSmyFilter.m 此处主程序没有调用自己实现的LMS算法函数，而是调用dsp工具箱中的LMS实现函数。 期望的语音信号 主麦克风的语音信

基于混合神经模糊智能控制器的光伏发电系统MPPT

BTRS_WEB BTRS_WEB 是公交车票预订系统的源代码。 使用 Java servlets 和 jsps 开发的公交车票预订系统，实现了 MVC 模式。 开发商： 安吉特·瓦桑卡 喜达雅峇沙 穆罕默德·穆扎米尔 苏拉比 团队 4 | PUN14AJ009

Multi-AUV Hunting Algorithm Based on Bio-inspired Neural Network in Unknown

二维React扩散方程式基于Lengyel-Epstein模型的模式机器学习（20200115〜20200730） 在科学计算实验室中，这是我的第一个机器学习项目。 我们的目的是针对使用机器学习和特征工程技术从图灵模型生成的图案图像进行分类的见解。 我们的见识适用于使用NN和聚类方法（例如k均值和凝聚）从PDE生成的图像数据。 哦，SEOYOUNG和。 “通过特征工程提取模式指导的分类思路。” | ， 数据集 Lengyel–Epstein（LE）模型开发用于描述CIMA化学React MATLAB创建的Lengyel-Epstein模型中的模式| 我们选择不同的模式进行分类 流程-演示 1 。 用于色素沉着的化学预图案和React扩散模型| ：使用MATLAB在1D中生成Lengyel-Epstein方程 2 。 用MATLAB创建基于Lengyel-Epstein模型的图案图像（2D）| The。 ：通过神经网络对3种不同的模式进行分类 3 。 梯度下降| 4 。 具有Softmax的单层神经网络| 5 。 CNN（卷积神经网络）| ：CNN的性能非常好，但是我想提高单层神经网络的

比较详细的介绍了使用GPU实现体绘制方法，其中对光照模型，阴影等做了很好的分析。

随着网络技术的发展，人们的日常生活和学习都离不开互联网。本设计采用JSP技术设计并实现了一个在线实验室设备管理系统，以促进日常维护管理的无纸化、流程化、智能化。系统主要功能包括:用户管理、实验设备管理、实验设备维护管理等。测试结果表明，该系统运行正常，能够有效地管理实验设备。