用于建立主成分分析模型，一些自适应信号处理的算法，有较好的参考价值。- Principal component analysis model for establishing, Some adaptive signal processing algorithms, There are good reference value.

利用MATLAB编写的自适应控制算法，自适应增益为0.1，参考输入幅值为0.6时参考模型输出与实际输出。-Prepared using MATLAB adaptive control algorithm, adaptive gain of 0.1, the reference input amplitude of 0.6 reference model output and the actual output.

提出一种新的显着性检测方法，通过将区域级显着性估计和像素级显着性预测与CNN（表示为CRPSD）相结合。对于像素级显着性预测，通过修改VGGNet体系结构来执行完全卷积神经网络（称为像素级CNN）以执行多尺度特征学习，基于该学习进行图像到图像预测以完成像素级显着性检测。对于区域级显着性估计，首先设计基于自适应超像素的区域生成技术以将图像分割成区域，基于该区域通过使用CNN模型（称为区域级CNN）来估计区域级显着性。通过使用另一CNN（称为融合CNN）融合像素级和区域级显着性以形成nal显着图，并

Narendra_MRAC 参考模型 自适应控制 输入输出(Narendra_MRAC reference model adaptive control of input and output)