matlab课件（华中科技大学电气与电子工程学院应用电子工程系）

这是中国科学院大学 Matlab课件，里面包含详细的函数功能介绍

freexyn编程实例视频教程系列45 Matlab与深度学习（卷积神经网络） 主要内容 运用Matlab编程处理深度学习在图像的分类识别和回归预测方面的应用，主要内容就是学习卷积神经网络。 目 录 45.0 概述 1 45.1一个实例入门深度学习 1 45.2 图像数据集读取并输入网络：表 table 2 45.3 网络分类识别并计算准确率classify 3 45.4 图像输入层imageInputLayer 3 45.5 卷积的原理 4 45.6 卷积层convolution2dLayer 5 45.7 批量归一化层batchNormalizationLayer 5 45.8 修正线性单元reluLayer 5 45.9 最大池化层maxPooling2dLayer 5 45.10 全连接层fullyConnectedLayer 6 45.11 归一化指数层softmaxLayer 6 45.12 分类输出层classificationLayer 6 45.13 卷积神经网络（工作原理和运行机制） 7 45.14 激活/特征提取activations 7 45.15 traini

matlab课件 很不错的，有课件 有代码

cellfun函数 格式： A = cellfun(Fun, C) 功能：将由Fun指定的函数作用于元胞数组C的每一个元胞，将结果返回到A中。A的维数、大小与C相同。若C是一行或一列，则A(i)=Fun(C{i});若C是二维的，则A(I,j)=Fun(C{i,j})。 当Fun为字符串‘isreal’, ‘isempty’ , ‘islogical’, ‘length’ , ‘ndims’或‘prodofsize’之一时，意义如表2-16所示。 关于cellfun的更详尽的使用说明请查看Matlab的帮助文件。

通过傅立叶级数求各次谐波分量 （补充） 接上例，求出各次谐波并画出波形 %求各次谐波 t1=-T/2:0.01:T/2; f1=A(1)+A(2).*cos(2*pi*1*t1/5)+B(2)*sin(2*pi*1*t1/5); ; % 基波 f2=A(3).*cos(2*pi*2*t1/5)+B(3)*sin(2*pi*2*t1/5); ; % 2次谐波 f3=A(4).*cos(2*pi*3*t1/5)+B(4).*sin(2*pi*3*t1/5); % 3次谐波 f4=A(5).*cos(2*pi*4*t1/5)+B(5).*sin(2*pi*4*t1/5); ; % 4次谐波 f5=A(6).*cos(2*pi*5*t1/5)+B(6).*sin(2*pi*5*t1/5); % 5次谐波 f6=A(7).*cos(2*pi*6*t1/5)+B(7).*sin(2*pi*6*t1/5); % 6次谐波 f7=f1+f2; % 基波+2次谐波 f8=f7+f3; % 基波+2次谐波+3次谐波 f9=f8+f4+f6; % 基波+2次谐波+3次谐波+4次谐波+6次谐波 %画出图形 y=subs(x,t,t1); %调用连续时间函数-周期矩形脉冲 subplot(2,2,1),plot(t1,f1),hold on;plot(t1,y,'r:');title('周期矩形波的形成—基波'), subplot(2,2,2),plot(t1,f7),hold on;plot(t1,y,'r:');title('周期矩形波的形成—基波+2次谐波') subplot(2,2,3),plot(t1,f8),hold on;plot(t1,y,'r:');title('基波+2次谐波+3次谐波') subplot(2,2,4),plot(t1,f9),hold on;plot(t1,y,'r:');title('基波+2次谐波+3次谐波+4次谐波+6次谐波') 参见程序ex_1

单位脉冲序列 …0 0 0 0 0 0 0 1 0 0 0 0 0 0… 零矩阵函数zeros(1,N)产生一个由N个零组成的列向量， k=-50:50; delta=[zero(1,50),1,(1,50)]; stem(k,delta)

中国科学院大学课程课件，内含MATLAB作业参考答案，是很齐全的MATLAB入门资料，通俗易懂。

刘卫国-MATLAB程序设计与应用(第二版)课件

格式1 [L,U,P]=lu(A) L是一个单位下三角矩阵，U是一个上三角矩阵， P是代表选主元的置换矩阵，满足 P*A=L*U 格式2 [l,u]=lu(A) 其中 l 不一定是一个真正的下三角矩阵， 它等于P-1 L，u 等于U，此时：A＝l*u.