遗传算法在MatlAB上的工具箱的使用说明，包括一些基本操作和使用规则，对遗传算法的快速开发和上手，具有指导意义

该文档详细讲述了贝叶斯网工具箱的使用，利于贝叶斯网初学者！

PSO工具箱简介 PSOt为PSO的工具箱，该工具箱将PSO算法的核心部分封装起来，提供给用户的为算法的可调参数，用户只需要定义好自己需要优化的函数(计算最小值或者最大值)，并设置好函数自变量的取值范围、每步迭代允许的最大变化量(称为最大速度，Max_V)等，即可自行优化。 与遗传算法相比，PSO仅需要调整少数

matlab中的贝叶斯网络工具箱的使用说明书

使用 CSO 的 ANN 权重优化比梯度下降方法具有更好的达到全局最小值的能力。 该软件包旨在预测特定提前期的海面温度异常 (SSTA) 时间序列。 比较了使用 CSO 和梯度下降法预测 SSTA 的结果，发现 CSO 使均方根误差提高了 20% 到 40%。

BP神经网络matlab实现的一个例子和matlab工具箱使用实例，里面有一个word文档和一个pdf文档

MATLAB模糊工具箱使用指南.doc

MatLab偏微分方程工具箱提供了实用的求解偏微分方程的函数，但是这些函数的接口参数都比较复杂。比如需要生成网格数据和确定复杂的边界条件。 还好MatLab提供了一个GUI工具，在MatLab命令行上输入pdetool就可以通过简单直观的操作来完成一个偏微分方程的求解。 PDE.pdf是MatLab偏微分方程工具箱GUI工具pdetool的使用手册

比较详细的介绍了摄像头的标定过程 对第一次标定操作者很有用处

动态贝叶斯网络（DBN）广泛应用于各种生物网络的建模，包括基因调控网络。 由于学习静态贝叶斯网络的几个 NP-hardness 结果，大多数学习 DBN 的方法都是启发式的，使用局部搜索（如贪心爬山）或元优化框架（如遗传算法或模拟退火）。 我们提出了 GlobalMIT，这是一个工具箱，用于使用最近引入的基于信息理论的评分指标互信息测试 (MIT) 来学习全局最优 DBN 结构。 在 MIT 下，可以在多项式时间内高效地实现全局最优 DBN 的学习。 该工具箱是在 Matlab 中实现的，还有搜索引擎的 C++ 独立实现以提高性能。 该项目由澳大利亚维多利亚州莫纳什大学 Gippsland 信息技术学院的生物信息学和系统生物学小组进行。 该项目由 Vinh Nguyen 管理。 最新版本的工具箱可在以下网址找到： http : //code.google.com/p/globalm