linux||linux基本指令笔记

本文汇总了Linux系统中常用的入门级命令,包括文件操作、目录导航、权限设置等,适用于初学者快速掌握并运用到实际操作中。

1.入门指令

ls -a:详细显示
ls -l:显示当前文件
cd …:退回上一级目录
cd <file.c>:进入当前目录
touch <file.c>:创建一个后缀为.c的文件
mkdir:创建一个目录
-m设置用户权限 -p若果路径中某些目录不存在,系统会自动创建,通常是创建父目录
echo:输出重定向,默认会生成一个文件
xshell中描述
cat:显示文件内容
pwd:显示当前路径
绝对路径:从根目录开始
相对路径:从当前目录开始
cp:拷贝文件
cp …:拷贝到上级目录
rm -f :强制删除文件
rm -rf:递归删除所有文件
rm -r:删除目录
sudo +命令 :输入密码后为超级用户执行
在这里插入图片描述
cat <file.c:输入重定向
|:接上下一条指令
wc:显示剩下东西
cal:显示日历
具体可输入cal -help 查看
bc:整数浮点数的基本计算器
在这里插入图片描述
quit:退出当前
clear:清屏命令
mv:重命名文件
more:只能上翻
less:显示文件内容 可以上下翻
find:查找
tar:打包压缩
tar -czf a.tgz +文件名
tar:解压缩
man:图书馆命令
ctrl +退出当前用户
改变权限:
chmod u+x <file.c>
在这里插入图片描述
file:查看文件类型
yum list | grep:罗列软件/查找某个软件
sudo yum install +name :下载安装包

第一阶段入门命令就差不多了.
下篇文章还会总结基本命令.

基于径向基函数神经网络RBFNN的自适应滑模控制学习(Matlab代码实现)内容概要:本文介绍了基于径向基函数神经网络(RBFNN)的自适应滑模控制方法,并提供了相应的Matlab代码实现。该方法结合了RBF神经网络的非线性逼近能力和滑模控制的强鲁棒性,用于解决复杂系统的控制问题,尤其适用于存在不确定性和外部干扰的动态系统。文中详细阐述了控制算法的设计思路、RBFNN的结构与权重更新机制、滑模面的构建以及自适应律的推导过程,并通过Matlab仿真验证了所提方法的有效性和稳定性。此外,文档还列举了大量相关的科研方向和技术应用,涵盖智能优化算法、机器学习、电力系统、路径规划等多个领域,展示了该技术的广泛应用前景。; 适合人群:具备一定自动控制理论基础和Matlab编程能力的研究生、科研人员及工程技术人员,特别是从事智能控制、非线性系统控制及相关领域的研究人员; 使用场景及目标:①学习和掌握RBF神经网络与滑模控制相结合的自适应控制策略设计方法;②应用于电机控制、机器人轨迹跟踪、电力电子系统等存在模型不确定性或外界扰动的实际控制系统中,提升控制精度与鲁棒性; 阅读建议:建议读者结合提供的Matlab代码进行仿真实践,深入理解算法实现细节,同时可参考文中提及的相关技术方向拓展研究思路,注重理论分析与仿真验证相结合。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值