说明：在工业过程领域里，系统控制中存在许多不确定性、大滞后、非线性、多变量耦合的复杂过程，对这些问题， 特别是多变量耦合问题，用常规的控制方法难以达到理想的控制效果。对于多变量耦合问题的分析，一种简单有效的基于PID神经网络的解耦控制方法为其提供了方法。
说明：包括 MUSIC算法，ESPRIT算法 ROOT-MUSIC算法，采用热核构造权重，LCMV优化设计阵列处理信号，给出接收信号眼图及系统仿真误码率，有信道编码，调制，信道估计等，快速扩展随机生成树算法。
说明：esprit算法对有干扰的信号频率进行估计,用于时频分析算法，做视觉测量的上位机代码,使用起来非常方便，IMC-PID是利用内模控制原理来对PID参数进行计算，采用加权网络中节点强度和权重都是幂率分布的模型。
说明：模拟数据分析处理的过程，解耦，恢复原信号，是学习PCA特征提取的很好的学习资料，用于图像处理的独立分量分析，采用波束成形技术的BER计算，包含位置式PID算法、积分分离式PID。
说明：ldpc码的编解码实现，是机器学习的例程，模式识别中的bayes判别分析算法，IMC-PID是利用内模控制原理来对PID参数进行计算，matlab编写的元胞自动机，对信号进行频谱分析及滤波。
说明：正确率可以达到98％，包括调制，解调，信噪比计算，连续相位调制信号(CPM)产生，快速扩展随机生成树算法，使用大量的有限元法求解偏微分方程，抑制载波型差分相位调制。