<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[a10164112的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/a10164112</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; a10164112]]></copyright><item><title><![CDATA[贝叶斯优化学习一：原理（GP+EI）]]></title><link>https://blog.youkuaiyun.com/a10164112/article/details/164400243</link><guid>https://blog.youkuaiyun.com/a10164112/article/details/164400243</guid><author>a10164112</author><pubDate>Sat, 05 Sep 2026 14:56:11 +0800</pubDate><description><![CDATA[目标函数不能显式给出解析表达式；只允许少量评估（查询）；每次评估代价很高（如实验、仿真、模型训练）；目标函数可能是非凸、噪声、不可导的。用一个“代理模型”来近似真实目标函数；使用“采集函数（Acquisition Function）”来判断下一次应该在哪个点评估；迭代更新代理模型，逐步逼近最优解。自动机器学习（AutoML）超参数优化（Hyperparameter Tuning）强化学习中的策略搜索材料设计、药物筛选工程设计、控制参数优化。]]></description><category></category></item><item><title><![CDATA[【最优化学习-0824】Primal+Dual+ADMM]]></title><link>https://blog.youkuaiyun.com/a10164112/article/details/164032740</link><guid>https://blog.youkuaiyun.com/a10164112/article/details/164032740</guid><author>a10164112</author><pubDate>Mon, 24 Aug 2026 20:31:51 +0800</pubDate><description><![CDATA[和 g），只有等式约束把它们耦合在一起。这种形式在机器学习（如Lasso回归、低秩矩阵分解）中极其常见。若f和g是凸函数，则：原始残差收敛到 0、对偶残差收敛到 0、目标函数值收敛到最优值。这里的变量被分成了两组（x 和 z），目标函数也是分开的（f。③ 收敛性判断：原始残差、对偶残差小于阈值。② ADMM迭代求解（第k+1次迭代）① 写出ALM（增广拉格朗日函数）对偶问题就是最大化对偶函数，约束。分开交替极小，而不是联合极小。：目标函数求解最优原始变量。分别为原始、对偶最优解，普通拉格朗日法：同时对。]]></description><category></category></item><item><title><![CDATA[方向导数、梯度、梯度下降法与牛顿法：数学原理与算法对比]]></title><link>https://blog.youkuaiyun.com/a10164112/article/details/162015581</link><guid>https://blog.youkuaiyun.com/a10164112/article/details/162015581</guid><author>a10164112</author><pubDate>Mon, 15 Jun 2026 22:12:50 +0800</pubDate><description><![CDATA[方向导数是多元函数在某一点沿某一特定方向的变化率。设函数fRn→RfRn→R在点x0x0​处可微，u\mathbf{u}u是一个单位向量（∥u∥1∥u∥1），则fff在点x0x0​沿方向u\mathbf{u}u的方向导数定义为函数值在该方向上的瞬时变化率。对于多元函数fRn→RfRn→R，其在点xx1x2xnxx1​x2​xn​∇fx∂f∂x1∂f∂x2∂f。]]></description><category></category></item><item><title><![CDATA[悬架&天棚算法]]></title><link>https://blog.youkuaiyun.com/a10164112/article/details/155947675</link><guid>https://blog.youkuaiyun.com/a10164112/article/details/155947675</guid><author>a10164112</author><pubDate>Mon, 15 Dec 2025 17:27:01 +0800</pubDate><description><![CDATA[悬架的定义：悬架设计的难点：“舒适性”与“操控性”的权衡舒适性：需要“软”悬架，隔离路面振动操控性：需要“硬”悬架，减少车身侧倾、俯仰，保持轮胎紧贴路面注释：软悬架（刚度低）软悬架能够更好地吸收高频振动，如路面接缝或不平引起的冲击。它通过降低共振频率，减少车身振动对乘客的影响，从而提升乘坐舒适性。然而，过于柔软的悬架可能导致低频振动（如长波路面）的持续时间更长，可能引起乘客的不适感。注释：硬悬架能够更快地抑制振动，减少车身的晃动，但在处理高频振动时可能不够柔和，导致更多的振动传递到车内，影响舒适性。软悬架的]]></description><category></category></item><item><title><![CDATA[【驱动-油门踏板到车辆驱动的链路】]]></title><link>https://blog.youkuaiyun.com/a10164112/article/details/155644599</link><guid>https://blog.youkuaiyun.com/a10164112/article/details/155644599</guid><author>a10164112</author><pubDate>Sat, 06 Dec 2025 16:42:48 +0800</pubDate><description><![CDATA[用户踩下油门踏板（例如踏板开度20%）系统计算目标扭矩目标扭矩梯度限制与仲裁系统分配目标扭矩到各个驱动电机驱动电机产生驱动力推动车辆加速/减速前进pedal-map表：（油门开度，车速，目标扭矩）用户体感：不同油门与车速下的目标扭矩，用户感受不同。例如目标扭矩越大，用户轻踩油门就可以获得较高的驱动力；目标扭矩越小，用户获得需要踩下较深的油门才有较高的驱动力；Ramp表：（目标扭矩，车速，扭矩上升/下降速率）用户体感：扭矩上升速率越大，用户急踩油门/加速时候踩油门车子越快能够提速，例如小米SU7。]]></description><category></category></item><item><title><![CDATA[VCU控制器易方存储问题排查]]></title><link>https://blog.youkuaiyun.com/a10164112/article/details/152126905</link><guid>https://blog.youkuaiyun.com/a10164112/article/details/152126905</guid><author>a10164112</author><pubDate>Fri, 26 Sep 2025 15:29:25 +0800</pubDate><description><![CDATA[断电后数据立即丢失常见的有RAM主要作用：① 程序运行时的变量② 中间计算结果③ 堆栈数据等读取速度快KL15，也称为IGN电或点火电，是传统汽车电气系统中的一条重要电源线路的名称。]]></description><category></category></item><item><title><![CDATA[经验总结-实车VCU算法开发/集成/测试]]></title><link>https://blog.youkuaiyun.com/a10164112/article/details/152125826</link><guid>https://blog.youkuaiyun.com/a10164112/article/details/152125826</guid><author>a10164112</author><pubDate>Fri, 26 Sep 2025 15:23:14 +0800</pubDate><description><![CDATA[标定量是一组在Simulink模型中定义的、数值可调整的变量或参数。核心特征是：在模型集成到实车后，这些参数的数值可以在不重新编译模型的情况下，通过外部标定工具（INCA/同星等）进行在线修改。每个子系统/模型引用都应通过输入/输出端口或配置型总线与外部交互避免过度使用Data Store Memory等全局变量，以免造成隐蔽的数据耦合在PC上纯仿真环境下执行Simulink/Stateflow模型本身。]]></description><category></category></item><item><title><![CDATA[matlab中如何比较两个mat文件的变量]]></title><link>https://blog.youkuaiyun.com/a10164112/article/details/152125605</link><guid>https://blog.youkuaiyun.com/a10164112/article/details/152125605</guid><author>a10164112</author><pubDate>Fri, 26 Sep 2025 14:53:19 +0800</pubDate><description><![CDATA[比较两个sldd文件/mat文件的有哪些不同的变量]]></description><category></category></item><item><title><![CDATA[总结：VDC集成—控制器故障]]></title><link>https://blog.youkuaiyun.com/a10164112/article/details/151866566</link><guid>https://blog.youkuaiyun.com/a10164112/article/details/151866566</guid><author>a10164112</author><pubDate>Fri, 19 Sep 2025 15:20:59 +0800</pubDate><description><![CDATA[VDC集成—控制器故障的总结]]></description><category></category></item><item><title><![CDATA[阿里推荐算法电话面1-淘特]]></title><link>https://blog.youkuaiyun.com/a10164112/article/details/123827722</link><guid>https://blog.youkuaiyun.com/a10164112/article/details/123827722</guid><author>a10164112</author><pubDate>Tue, 29 Mar 2022 18:10:33 +0800</pubDate><description><![CDATA[阿里推荐算法电话面1-淘特]]></description><category></category></item><item><title><![CDATA[满帮推荐算法岗]]></title><link>https://blog.youkuaiyun.com/a10164112/article/details/121235179</link><guid>https://blog.youkuaiyun.com/a10164112/article/details/121235179</guid><author>a10164112</author><pubDate>Tue, 09 Nov 2021 20:03:55 +0800</pubDate><description><![CDATA[第一次面试—满帮推荐算法岗1 简单的自我介绍2 项目介绍：华为杯数学建模比赛3 项目介绍：新闻推荐4 其他5 反问环节
1 简单的自我介绍
①：为什么要做推荐算法？
②：课程方面涉及到哪些机器学习和推荐算法的模型？
③：自己动手操作过的算法有哪些？–我说了华为杯
2 项目介绍：华为杯数学建模比赛
①：简单介绍了一下这个比赛的内容和需要做什么
②：为什么选择xgboost–我从数据量、问题的导向和要求、xgboost近年来的流行度三个方向作答了
③：为什么没考虑比较简单的算法来做–考虑了，列举了简单的方法，说]]></description><category></category></item></channel></rss>