pyHSICLasso pyHSICLasso是希尔伯特·施密特（Hilbert Schmidt）独立标准套索（HSIC Lasso）的软件包，这是一种考虑了非线性输入和输出关系的黑匣子（非线性）特征选择方法。 HSIC Lasso可以看作是广泛使用的最小冗余最大相关性（mRMR）特征选择算法的凸变体。 HSIC套索的优势 可以有效地找到与非线性相关的特征。 可以找到非冗余功能。 可以获得全局最优的解决方案。 可以通过内核处理回归和分类问题。 功能选择 监督性特征选择的目标是找到负责预测输出值的输入特征子集。 通过使用它，您可以补充非线性输入和输出的依赖性，并且可以有效地计算高维问题的最优解。 通过针对数以千计的特征进行分类和回归的特征选择实验证明了其有效性。 在许多实际应用中，例如从微阵列数据中选择基因，文档分类和假体控制，在高维监督学习中寻找功能的子集是一个重要的问题。 安装

从国外大学网站（卡耐基梅隆、伊利诺伊州立大学、哥伦比亚大学、丹麦技术大学）下载的课程PPT，关于凸优化、拉格朗日函数、KKT等。

该资源为吉培荣、佘小莉编《电路原理》的PPT。该书作者按跳出地球看太阳的思维写出该书，说清了许多通常按站在地球上看太阳的思维写出的书中许多说不清的事情。该书作者指出了邱关源《电路》中存在的多处问题（见《电气电子教学学报》的多篇论文。

回声消息非线性处理的好办法，通过估计残余回声来降噪

AEC非线性和去混响结合比较好的paper,试用于会议系统场景

MATLAB求解非线性最小二乘法拟合问题 部分源码 clear;clc;close all A0=[1 1]; A=lsqnonlin('jscs',A0); disp('配偶参数A:') disp(A)

为了正确判断管道是否发生泄漏，本文采用混合学习方法对网络进行训练学习。通过将管道运行参数作为神经网络的输入，管道运行状态作为神经网络的输出，实现两者的非线性映射，以此来判断输入信号是否为泄漏信号，并选用K-means聚类方法和递推最小二乘法来确定网络参数。通过用天然气管道运行的实测数据对RBF神经网络进行了训练和测试，得到结果误差在可接受的范围内，从而证明RBF神经网络的方法可用于天然气管道泄漏检测的研究。

针对船舶在海上的定位和作业受到海洋环境的扰动力影响,其动力定位控制具有很强的非线性特性。本文基于 自抗扰控制技术,设计了船舶动力定位控制器。该控制器通过非线性观测器估计出船舶运动速度和系统的总扰动,并采 用非线性反馈进行补偿,实现对船舶的动力定位控制。通过仿真实验验证了控制器具有很强的抗干扰能力和鲁棒性。

vs2013_x64平台编译的ceres库

非线性系统理论控制器设计，包括EMK控制器设计，自适应控制器设计，并有结果对比，非常适合刚学习的同学。