老男孩92期Linux云运维工程师课程，配套VMware、Xshell工具。内容包括Linux初级到高级、ES、Docker、K8S、Prometheus、Ceph等完整课程

基于matlab交通标志识别系统 GUI界面，有交互原理：bp神经网络已经训练好，图像处理有灰度化，二值化，颜色区域定位识别

无人船 基于神经网络船舶轨迹跟踪自适应滑模控制（带参考文献）

CNN-BiLSTM-Attention（12种算法优化CNN-BiLSTM-Attention多输入单输出回归预测）评价指标包括MAE、MAPE 、MSE、RMSE、R2主要功能为:采用12种算法优化CNN-BiLSTM-Attention模型的参数（代码中12种算法可以随意切换!），优化参数分别是正则化系数，学习率，BiLSTM的神经元个数，注意力机制的键值。并进行了优化前后的结果比较。12种

基于python深度学习垃圾图像分类识别系统

基于python实现深度学习的个性化推荐算法项目基于Python实现的深度学习个性化推荐算法项目是一个专注于利用深度学习技术提升推荐系统性能和用户体验的项目。随着互联网内容的爆发式增长，如何从海量信息中为用户精准推荐感兴趣的内容成为了一个重要课题。深度学习因其强大的特征提取和模式识别能力，在个性化推荐领域展现出了巨大潜力。以下是关于该项目的详细介绍：

基于Matlab语言编写五种经典算法优化机器人路径规划等1.分为简单路径规划和复杂路径规划两种情景，采用粒子群算法(PSO)，遗传算法(GA)，差分进化算法(DE)，灰狼优化算法(GWO)，麻雀优化算法(SSA)五种经典算法对机器人二维路径规划问题进行求解

本文提出了一种基于自适应动态规划（ADP）和反步法的无人船轨迹跟踪控制方法。该方法采用Actor-Critic强化学习架构求解HJB方程，实现最优控制。文章给出了MATLAB实现框架，包含系统建模、轨迹误差定义、反步法控制设计和ADP算法等关键步骤。示例代码展示了圆形轨迹跟踪的实现，包括神经网络初始化、控制信号生成和状态更新过程。该方法通过在线学习优化控制策略，可扩展使用更复杂的网络结构。适用于I

基于神经网络（NN）模型预测控制（MPC）算法，用于控制具有随机通信拓扑的多智能体系统MAS包括1 基于神经网络的MPC算法，用于在四旋翼机队系统2带扰动系统和非线性机器人汽车系统的MAS中达成共识

基于MATLAB深度确定性策略梯度DDPG强化学习RL的车辆横向控制简介：基于DDPG的车辆横向控制，输入是车辆状态和跟踪误差等信息，输出是前轮转向角。该代码模型既可以先执行训练代理，然后保存训练好的代理；也可以尝试加载预先训练好的代理文件，验证控制效果。