离散控制Matlab代码数据驱动验证 Alexandar Kozarev，John Quindlen，Jonathan How和Ufuk Topcu撰写的“动态系统的数据驱动验证案例研究”代码已提交给Hybrid Systems：Computation and Control 2016。 文件夹中包含以下示例：Van der Pol振荡器，模型参考自适应控制器，飞机反向安全控制器和基于强化学习的控制器。 这些示例中的每一个将在其各自的后续部分中进行进一步说明。 本文中使用的训练和测试数据以及训练支持向量机所需的Matlab代码都包含在每个文件夹中。 请注意，SVM实施需要Matlab机器学习库。 除非另有说明，否则不包括用于生成这些样本的代码-仅包括样本本身。 范德波尔振荡器 第一个示例是Van der Pol振荡器，它取自先前的非线性分析和验证工作，并提供了比较基准。 问题的目的是估计一组初始条件，系统将从这些条件中成功返回原点（0,0）。 必要的文件位于以下文件夹位置：“ Van der Pol Oscillator”。 函数是“ vanderpol svm.m”，训练和测试数据都

matlab代码影响Codigos-Tese 代码是我的硕士论文的一部分。 本文的目的是了解如何使用Ising模型的类型来复制人类行为。 产出缺口被理解为国内生产总值的变化。 人们对经济增长（预期）的感知方式会影响经济，进而影响中央银行的货币政策。 Ising模型的变体将用于在模型社会上复制对产出缺口预期的创建和扩散。 最终目标是了解此类模型可以模拟央行的最佳货币政策的准确性。 大多数代码是用Python编写的，而其他代码则是用MATLAB编写的。

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

欧拉公式求长期率的matlab代码hydro_examples 各种流体力学技术的简单一维示例 这是一些简单的python代码（加上一些Fortran代码）的集合，这些代码演示了流体力学代码中使用的一些基本技术。 所有代码都是独立的-没有相互依赖关系。 这些代码与讲义一起位于： 并使用pyro2代码： advection/ advection.py ：具有多种限制器的一维二阶线性对流求解器。 fdadvect_implicit.py ：使用周期边界条件的一维一阶一阶隐式有限差分线性对流求解器。 fdadvect.py ：使用迎风微分的一维一阶显式有限差分线性对流求解器。 fv_mol.py ：一维线法二阶精确对流求解器。 Fortran/ ： advect.f90 ：二阶线性对流的Fortran实现。 此版本执行分段常数，分段线性和分段抛物线（PPM）重建。 basic-numerics orbit-converge.py （和orbit.py ）：演示了各种ODE积分方法对太阳绕地球旋转问题的收敛性。 burgers/ burgers.py ：不粘的Burgers方程的一维二阶求解器

matlab实现: 流形学习算法ISOMAP与LLE的matlab代码

(完整word版)16QAM-星形和矩形星座图调制解调MATLAB代码.doc

向前欧拉法matlab代码 -Graduation-Thesis-Code 这个是自己的毕业论文中的代码，运动学的代码推导源自于Mathematica, 其实是可以写成递归的形式，以提高一些效率的，但是想知道末端执行器的具体符号表达式，所以在写运动学那块代码就显得很冗余。 研究的对象以UR5机械臂为例，采用了标准的DH方法建立了所有的运动学/动力学模型，不得不说的是，当初在编写动力学方程的时候，感受到了标准法的不便之处，不少论文给出的是改进的DH法建立的运动学模型，不过没去验证。但是在想，在使用Lagrange法建立的动力学模型去做控制，一个程序岂不是要跑很久很久？一开始也写的动力学方程，只不过不是递归形式下的，卡的令人无语。。。。Newton-Euler法建立的模型还是在实习期间学会的(感谢储工的指导)，不过对于matlab而言，还是感觉有些慢了（相对工业来说），不过对于自己的数值仿真而言，已经足够了。由于数值仿真效率缘故，如果使用了ODE求解器，会导致仿真跑好几个小时，当然，这么多的时间用来跑仿真了，而且占用自己计算机资源，未免太浪费，所以将原有的基于ODE仿真的代码删除了，都替换

nmf的matlab代码对称NMF用于图聚类 对称非负矩阵因式分解（SymNMF）是一种无监督的图聚类算法，发现了许多用例及其扩展，这些用例涉及生物信息学和基因组研究。 这个Matlab软件包是为以下论文开发的： Da Kuang, Chris Ding, Haesun Park, Symmetric Nonnegative Matrix Factorization for Graph Clustering, The 12th SIAM International Conference on Data Mining (SDM '12), pp. 106--117, 2012. 和日记版本： Da Kuang, Sangwoon Yun, Haesun Park, SymNMF: Nonnegative low-rank approximation of a similarity matrix for graph clustering, Journal of Global Optimization, 62(3):545-574, 2015. 如果发现该代码有用，请引用本文。 问题陈述 S

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

D2D网络毫米波频段 此MATLAB代码在毫米波波段（@ 28 GHz）的信号干扰加噪声比（SINR）覆盖概率上模拟了PPP无线通信，概率为prob [SINR> T]。 网络元素是基于Poisson点过程（PPP）分布进行分布的。 网络元素是： 1- D2D发射机（干扰）2-障碍物（障碍物的长度，宽度和方向基于均匀分布生成）3-参考接收机位于原点o（0,0） 衡量参考用户的表现， 基于Slyvniak定理，它可以测量整个网络的性能。 为了使噪声平均，重复进行3000次迭代模拟。 网络的分析公式和详细信息可以在[1]毫米波波段的设备到设备通信中找到： ：