说明：对动态系统辨识理论做了概括性的介绍，包含了常用的非参数系统辨识方法和参数辨识方法，并将神经网络人工智能算法应用到复杂系统参数识别，适用于系统控制、参数识别与数据预测等领域的学习。传统方法与现在智能算法都配有实例，每个代码文件都有详细注释。
MATLAB-系统辨识 cut1po 神经网络控制 prediction-control
说明：BP神经网络设计自适应逆控制器，实现无模型控制。
无模型控制 逆模型控制器 inverse-neural matlab-逆控制器 adaptive-controller
说明：自己写的改进的BP神经网络辅助组合导航卡尔曼滤波，运行成功，可供参考。
改进的卡尔曼 改进bp-kalman roads6r 滤波 组合导航-BP
说明：包括蚁群，模拟退火，遗传，神经网络，禁忌搜索等智能优化算法对TSP问题的解决。
优化神经网络 优化算法 蚁群算法
说明：matlab实现一些基础的模式识别工作，如贝叶斯分类，聚类算法，bp神经网络
matlab 模式识别-代码 贝叶斯分类 ratheragy pattern-recognition
说明：采用相似日和BP神经网络算法，对光伏处理进行预测。
光伏预测 相似日算法 BP光伏预测 光伏预测 相似日预测
说明：此代码通过模拟退火算法优化BP神经网络进行汇率预测
SABP 汇率预测 退火算法 BP神经网络
说明：改进的单神经元自适应pid控制，权系数的在线修正不完全是根据神经网络学习原理，而是参考实际经验制定。
单神经元 自适应pid控制
说明：使用ga算法改进elman神经网络。优化elman参数初始值。
ga算法 elman 神经网络 遗传算法
说明：处理一维振动信号，用于故障分类，模式识别。
一维振动信号 卷积神经网络 CNN
