小波神经网络工具箱

noise reduction in matlab this code is developed by syamsundar

this is for non linear sliding mode

toi can phan mem nhan dang so lam

插值法的matlab实现，内含说明。拉格朗日插值，均分牛顿插值，差分牛顿插值，三次样条插值，埃米尔特插值(Matlab interpolation method implementations, containing instructions. Lagrange interpolation, Newton interpolation sharing, differential Newton interpolation, cubic spline interpolation, Amy Stewart interpolation)

使用matlab的脚本实现，利用储能的充放电特性实现光伏发电功率的波动抑制(Using MATLAB script implementation, using energy storage charge and discharge characteristics to achieve PV power fluctuation suppression.)

GUI设计俄罗斯方块优化版V2.0按键说明：W、向上箭头、小键盘5：变换形状；A、向左箭头、小键盘1：左移；S、向下箭头、小键盘2：快速下移；D、向右箭头、小键盘3：右移；空格键：暂停；F5或CTRL+R：开始；CTRL+S：停止；快捷键可以参考菜单。本版本具有以下特点：1.图形预览功能；2.分数排名记忆功能，能记忆分数前三名；如果要清零分数排名，只需要删除所在目录的fenshu.mat文件即可；3.难度等级为三级，每级图形的下降速度逐步加快；4.每隔一段时间，底部会增加两行方块；5.分数按消的行数成指数增加，比如，一次消1行得100分，消2行得400分，3行800分，4行1600分；6.20种图形样式，70多种变体，难度更大。根据实际测试，修改了部分图形样式。7.每种图新样式对应一种固定的颜色。8.普通模式中，对于初级玩家，图形种类为7种； 对于中级玩家，图形种类为14种；对于高级玩家，图形种类为20种。9.闯关模式中：第1关图形种类为7种，初级玩家的速度；分数到达10000后进入第2关，此时图形种类为10种，速度加快；分数到达20000后进入第3关，此时图形种类为13种，速度加快；分数到达30000后进入第4关，此时图形种类为16种，速度加快；分数到达40000后进入第5关，此时图形种类为20种，速度为高级玩家的速度；超过50000分，通关。10.需要手动按F5或CTRL+R开始；11.两个背景音乐随意选择：仙剑主题曲（双声道）、金庸群侠转（双声道），默认为仙剑背景音乐。    并将采样率降低至11025，以达到降低载入时间的目的。13.可以自由选择wav音乐作为背景音乐。音乐格式要求为：wav文件14.增加“离下次增加两行剩余。。秒”的提示。

Elementary Signals and Input-Output-Signal-Relations this file contains very good,detailed and well run codes of different scenarios.it will help a lot.

模拟数据分析处理的过程，基于matlab GUI界面设计,用平面波展开法计算二维声子晶体带隙,毕设内容，高光谱图像基本处理，未来线路预测,分析误差,对于初学matlab的同学会有帮助。

主要内容： 概述 创建向量 创建矩阵 向量和矩阵元素的索引（重点） 向量和矩阵的基本操作 （重点） 多维数组 (failed to translate)

INPUTES: y: y is vector of values(time series data) tau: embedding lag of state space reconstruction. When you have not any information about tau please let it zero. The code will calculates the tau. m: m is embedding dimension. If you have not any information about embedding dimension please let it zero. the code will find proper embedding dimension. OUTPUTS: LLE: Largest Lyapunov Exponent lambda: Lyapunov exponents for various ks. Plot of this exponents is very helpful. If embedding dimension be selected correctly lambda curve will have smooth part(or fairly horizontal). If there is no smooth section on the curve, it is better you try with other embedding dimensions.