资源列表
Matlab Object-oriented Programming
- 本书分为三部分。第一部分介绍MATLAB面向对象编程基础知识，包括什么是类，类之间的基本关系，以及MATLAB提供的面向对象编程语言的具体功能；第二部分是面向对象编程的进阶篇，对概念进行归类，方面读者在编程中遇到问题时查询和检索；第三部分把面向对象编程的方法应用到实际问题中，并且从实际问题中抽象出一般的解决方法，即为设计模式。 本书可作为高等院校本科师生、研究生MATLAB课程的辅助读物，也可以作为从事科学计算、程序设计的科研人员的参考书。(This book is divided into
model-free adaptive control
- 北京交通大学侯忠生教授的无模型自适应控制的实际应用和理论研究应用，详细介绍了无模型自适应控制的主要应用领域。附录为无模型自适应控制书中的MATLAB程序代码，运行可以复现书中的仿真图。(Professor Hou Zhongsheng of Beijing Jiaotong University introduced the practical application and theoretical research application of model-free adaptive cont
pso算法优化
- 一种多目标pso算法优化，针对cec2013 benchmark进行了测试
Hashin2
- UMAT子程序用来定义复合材料的材料属性，该程序采用hashin失效准则(umat subroutines,The subroutine is used to define the material properties of composites, and the program USES hashin invalidation criteria)
33system
- 微电网遗传算法优化，33节点的配电网网络重构，适合初学者学习(Microgrid genetic algorithm optimization, 33 node distribution network reconfiguration, suitable for beginners to learn.)
iris and pima
- 经典的机器学习数据集合，是机器学习入门的必备数据集合之一(A classic collection of machine learning data, one of the must-have data sets for getting started with machine learning)
puma560
- puma560的matlab仿真文件，实现对PUMA机器人的运动分析和轨迹规划。(PUMA560 matlab simulation files.)
新建文件夹
- 预测一天的负荷，共预测24个点，间隔为一个小时，将预测的负荷与实际负荷相比较，求出其误差率，将满足要求的模型用于未来负荷预测(The daily load is predicted with a total of 24 points and an interval of one hour. The predicted load is compared with the actual load and its error rate is calculated. The model meeting
seismic anlysis
- 用于地震数据的处理，涉及segy文件的读取输出和相应的处理。
squeezeDet-master
- 一种应用于目标检测中同时满足上述所有约束条件的全卷积神经网络结构。在我们的网络中，使用卷积层不只是用来提取特征图，同时也是作为输出层去计算边界框（bounding box）和分类概率。我们模型中的检测管道（detection pipeline）只包含一个神经网络的前向通路，因此它运行起来是极其迅速的。我们的模型是全卷积结构的，因此可以达到小的模型规模和很高的能量利用效率。最后的实验表明我们的模型能达到很高的精度，在 KITTI 基准上达到了最高的精确度。(A fully convoluted n
tensorflow-resnet-master
- ResNet在2015年被提出，在ImageNet比赛classification任务上获得第一名，因为它“简单与实用”并存，之后很多方法都建立在ResNet50或者ResNet101的基础上完成的，检测，分割，识别等领域都纷纷使用ResNet，Alpha zero也使用了ResNet，所以可见ResNet确实很好用。(ResNet was proposed in 2015 and won the first place in the classification task of ImageNe
DenseNet-master
- 这篇文章是CVPR2017的oral，非常厉害。文章提出的DenseNet（Dense Convolutional Network）主要还是和ResNet及Inception网络做对比，思想上有借鉴，但却是全新的结构，网络结构并不复杂，却非常有效！众所周知，最近一两年卷积神经网络提高效果的方向，要么深（比如ResNet，解决了网络深时候的梯度消失问题）要么宽（比如GoogleNet的Inception），而作者则是从feature入手，通过对feature的极致利用达到更好的效果和更少的参数。(