倒立摆是一种复杂、时变、非线性、强耦合、自然不稳定的高阶系统，许多抽象的控制理论概念都可以通过倒立摆实验直观的表现出来。基于人工神经网络BP算法的倒立摆小车实验仿真训练模型，其倒立摆BP网络为4输入3层结构。输入层分别为小车的位移和速度、摆杆偏离铅垂线的角度和角速度。隐含层单元数16个。输出层设置为1个输出单元。输入层采用Tansig函数，隐含层采用Logsig函数，输出层采用Purelin函数。用Matlab 6.5数值计算软件对模型进行学习训练，并与线性反馈控制逻辑算法对比，表明倒立摆控制B

农作物虫情预测。BP神经网络具有对非线性复杂系统预测的良好特性，可以有效地描述其本身具有的不确定、多输入等复杂的非线性特性。-Prediction of crop pests. BP neural network has the good characteristics of nonlinear complex systems, prediction, can effectively describe the complex non-linear characteristics of the i

树回归：对复杂的关系建模。一般可以分为两种，一种是回归树，一种是模型树， 主要的区别在于对于叶节点的建模方式，回归树使用分段常数，模型树使用线性回归方程。 可以使用剪枝技术对于可能过拟合的树进行剪枝，剪枝一般分为预剪枝和后剪枝。 回归树和模型树都是2元树，每次总是选择最好的分割方式，分成两部分。 这个是自己写的Python语言的CART树回归程序，基本实现了其原理，注释比较多。-Tree Regression: modeling of complex relationshi