1．今天坐地铁，从建国门站上来一男一女，坐在我的旁边
女：“她其实心里很伤，本就是那种容易痛的女子”
男：“她还没释怀么”
然后我起身，哆哆嗦嗦泪流满面的离开了
2．女：我喜欢在街头喝咖啡，人来人往的，觉得像公主一样备受瞩目。
男：呵，你本就是让人给与三千宠爱的女子。
当时把我雷的45度明媚忧愁望天内牛满面
3．在苏州吃饭 旁边俩大爷喝小酒吃下酒菜 两人的坐姿均为右腿蜷起來把右脚踩在椅子上
突然大爷甲说：她说出这样子的话，已经深深地伤到了我内心最深处的脆弱。。
当时我就斯巴达了。。
4．我们校园有一极像马景涛的男人以同女友吵架著名我校
他给她一嘴巴子：你滚！
她掩面而泣：我不！
他：滚
她：不
他：草（转身而去）
她一把搂住他
他：以后别这样，别这样（回身泪流满面道。。。）
5．上回吃早餐～看见一对叔叔阿姨
蜀黍忽然刮了一下阿姨鼻子说“你怎么这么纯情～～～”
阿姨羞涩地笑了。。。
我汤泼出来了

function img2txt(imfile,varargin);
%IMG2TXT Converts an image to ASCII text
%
%   img2txt(imfile) converts the image contained in the specified file
%                   using an ASCII character for every pixel in x-dimension
%   img2txt(imfile,stepx) converts the image contained in the specified file
%                   using an ASCII character for every stepx pixels in x-dimension
%

%   Copyright (c) by Federico Forte
%   Date:     2004/04/08
%   Revision: 2004/04/27

ramp=['@@@@@@@######MMMBBHHHAAAA&&GGhh9933XXX222255SSSiiiissssrrrrrrr;;;;;;;;:::::::,,,,,,,........'];
 % the 'ramp' vector represents characters in order of intensity
im=imread(i

在控制领域很多时候要用到部分分式法，例如进行一个高阶系统的拉普拉斯变换或Z变换时，常用将系统展开，然后对各部分进行相应的变换。

部分分式分解算法原理：

在前期劳斯判据计算程序的基础上，设计了一个GUI，功能：在界面上输入待求解特征方程的特征向量，通过计算可在界面上打印出劳斯表，以及一些相关信息。

界面的设计基于uicontrol等对象实现的，本人觉得这种方式比用guide简洁得多，而且更加好控制。

界面效果如下图所示。

点击Demo1按钮，计算程序中保存的第一个例子。

点击Demo2按钮，计算程序中保存的第二个例子。

% 采用贝叶斯正则化算法提高 BP 网络的推广能力。在本例中，我们采用两种训练方法，即 L-M 优化算法

%（trainlm）和贝叶斯正则化算法（trainbr），
% 用以训练 BP 网络，使其能够拟合某一附加有白噪声的正弦样本数据。其中，样本数据可以采用如下

% MATLAB 语句生成：  
% 输入矢量：P = [-1:0.05:1]；  
% 目标矢量：randn(’seed’,78341223)；  
% T = sin(2*pi*P)+0.1*randn(size(P))；  
% MATLAB 程序如下：  
close all  
clear all  
clc  
% NEWFF——生成一个新的前向神经网络  
% TRAIN——对 BP 神经网络进行训练 
% SIM——对 BP 神经网络进行仿真    
%  定义训练样本矢量  
% P 为输入矢量  
P = [-1:0.05:1];  
% T 为目标矢量  
randn('seed',78341223); T = sin(2*pi*P)+0.1*randn(size(P));  
  
%  创建一个新的前向

采用Matlab工具箱函数建立神经网络，对一些基本的神经网络参数进行了说明，深入了解参考Matlab帮助文档。

% 例1 采用动量梯度下降算法训练 BP 网络。 
% 训练样本定义如下： 
% 输入矢量为     
%  p =[-1 -2 3  1  
%      -1  1 5 -3] 
% 目标矢量为   t = [-1 -1 1 1] 
close all  
clear  
clc 
% ---------------------------------------------------------------
% NEWFF——生成一个新的前向神经网络,函数格式：
% net = newff(PR,[S1 S2...SNl],{TF1 TF2...TFNl},BTF,BLF,PF) takes,
% PR -- R x 2 matrix of min and max values for R input elements
% （对于R维输入，PR是一个R x 2 的矩阵，每一行是相应输入的边界值）
% Si -- 第i层的维数
% TFi -- 第i层的传递函数, default = 'tansig'
% BTF -- 反向传播网络的训练函数, default = 'traingdx'
% BLF -- 反向传播网络的权值/阈值学