使用matlab建立bp神经网络回归预测，带完整代码、数据、测试结果、详细说明，读者可自行修改，后续会进行多种回归预测对比以及建立复杂神经网络

Matlab实现基于MIC-BP-Adaboost最大互信息系数数据特征选择算法结合Adaboost-BP神经网络的数据分类预测 Matlab实现基于MIC-BP-Adaboost最大互信息系数数据特征选择算法结合Adaboost-BP神经网络的数据分类预测（Matlab完整程序和数据） 1.最大互信息系数MIC(数据特征选择算法)的分类预测，MIC特征选择分类预测，多输入单输出模型。 2.多特征输入模型，直接替换数据就可以用。 3.语言为matlab。分类效果图，混淆矩阵图。 4.分类效果图，混淆矩阵图。 5.MIC-BP-Adaboost最大互信息系数数据特征选择算法结合Adaboost-BP神经网络的数据分类预测。 运行环境matlab2018及以上。 经过特征选择后，保留9个特征的序号为： 1 3 5 7 8 9 10 11 12

MATLAB实现的斯巴达密码

MATLAB实现的DES加解密

MATLAB实现的仿射密码加解密

MATLAB实现的维吉尼亚密码加解密

应用于函数寻优问题

gardner环的MATLAB实现

gardner环的MATLAB实现

WaterTank Challenge是一个由Matlab代码编写的仿真环境。主要要求挑战者编写Matlab代码控制水箱液位至目标液位。控制量为水箱进水阀门，控制量为正数. 1. 水箱动力学模型 水箱动力学模型具体描述见 [matlab链接](https://www.mathworks.com/help/slcontrol/gs/watertank-simulink-model.html). 小车的动力学模型，如下Simulink模型所示 其中，[a,b]分别是水箱进水阀和出水阀系数，H为液位高度，u是进水阀开度。可知水箱出水速度与水箱液位高度有关。 另外仿真环境对水箱阀门设置了“饱和”机制（如下图所示），即挑战者传递给仿真器的水箱阀门控制量，将会被限制在一定范围内。 2. Observation（当前环境信息） 仿真环境每隔一段时间，将会把仿真环境的信息以Observation类的形式告知挑战者，它的成员变量包含 3. 得分（暂无） 4. 设计控制策略 挑战者需要设计并提交一个Policy类文件，主要完成action函数。action函数传入参数为obser