- 博客(10)
- 收藏
- 关注
RSS订阅原创 【无标题】c++基础
在类A中声明有缘函数or有缘类后，有缘可以调用A内的任意函数及数据成员继承与派生：继承权限： public private protected①继承公有成员的保护域，在子类内可以访问，子类外不可以。private域都不行都不能被继承③继承的数据默认存在，可以不写。用对象调用时用作用域分隔。
2024-09-13 19:53:37
272
原创 【无标题】控制算法之横纵向综合控制流程
为了说明侧偏现象，我们讨论具有侧向弹性的车轮在垂直载荷为W的条件下，车轮中心受到侧向力Fy，地面相应的有侧偏力FY时的两种情况（图2）。由于车轮有侧向弹性，轮胎发生侧向变形，轮胎胎面接地印迹的中心线aa与车轮平面cc不重合，错开∆h，但aa仍平行于cc。解决方法：①估计侧偏刚度准确②调节LQR的Q{k1,k2,k3,k4}（分别对应ed,ed_dot,efai,efai_dot）的权重,调大k1使对横向误差ed的惩罚变大(30,1,1,1)①加入预测模块（延迟模块）：避免代数环， 输入——输出——输入。
2024-09-12 18:20:49
326
原创 【控制基础】控制理论基础2
工程中用PI是因为微分环节容易引入干扰项，并且数字PID并不是真正的微分，只是近似微分。蓝线：PI控制 加入积分环节消除了稳态误差，but带来了。加入噪声后：微分环节波动剧烈，对噪声敏感。有三种方法通过控制输入U来是V函数负定。橙线：PID控制 超调量小稳定较快，非线性系统：李雅普诺夫函数判断。PID控制（来自DR CAN）线性时不变系统稳定性的判断。黄线：比例控制 快速响应。
2024-09-11 15:48:17
217
原创 【无标题】跟着Apollo代码学c++之routing---1.
全局规划，一般也叫（route planning），只考虑路径，不考虑速度；局部规划，一般也叫（motion planning）或（trajectory planning），要考虑路径和速度；局部规划通常有两种分类方式：一是路径与速度解耦，分为局部路径规划（path planning）和速度规划（speed planning），通常是在路径的规划点上赋上速度值；二是横向与纵向解耦，分为横向规划（path planning）和纵向规划（path planning）
2024-09-06 10:38:39
1077
原创 经典神经网络学习VGG16 AlexNet
1、VGG16相比AlexNet的一个改进是采用连续的3x3的卷积核代替AlexNet中的较大卷积核（11x11，7x7，5x5）2、加深结构都使用ReLU激活函数：提升非线性变化的能力3、VGG16 全部采用3*3卷积核，步长统一为1，Padding统一为1，和2*2最大池化核，步长为2，Padding统一为04、VGG19比VGG16的区别在于多了3个卷积层，其它完全一样。
2024-08-27 15:48:27
410
原创 python 八股文
闭包函数：当前函数引用到上一层函数的局部命名空间的变量时就会触发闭包规则。我们说触发了闭包的函数叫做闭包函数，但是要注意一点：只有当调用闭包函数的时候它才会去引用外层函数的变量，因为在调用闭包函数之前，闭包内部的命名空间还不存在。\quad原理。
2024-08-27 15:48:16
1132
原创 PYTORCH_LEARNING
# 如果在类中定义了__getitem__()方法，那么他的实例对象（假设为P）就可以这样P[key]取值。当实例对象做P[key]运算时，就会调用类中的__getitem__()方法。[4.9000, 5.2000]]), torch.Size([3, 2])) ##连着几个[就是几维张量，示例为二维3x2的张量。nn.Module里继承的forward方法是call函数调用的。call方法的功能类似于在类中重载 () 运算符，使得。1. _call_的使用。三. nn_Module。
2024-08-27 15:47:59
835
原创 dp dynamic programming
②找出递推关系写递推关系的时候，要注意写上 k=0 和 k=1 的基本情况：当 k=0 时，没有房子，所以 f(0)=0。当 k=1 时，只有一个房子，偷这个房子即可，所以 f(1)=H0。这样才能构成完整的递推关系，后面写代码也不容易在边界条件上出错。作者：nettee。
2024-07-31 16:26:36
676
原创 小白学习日记1
如果我们计算a =，即w是x的线性函数。在此，给出一个不正式的证明，直观上来说，你期望算法的输出a是一个概率，它表示这张图是1的概率，所以a应该是位于0。，这里的log表示以自然数e为底，它起着与平方误差函数相似的作用，并且会使问题变为凸优化问题，这会让我们得到全局最优值，而不会陷入局部最优的问题。(即为1)的概率，为了决定这个预测的结果是正类还是负类，我们通常还需要设定一个阈值，任何大于这个阈值的都为正类，否则，为负类。之间的，但实际上可能是负值，也可能是比1大得多的值，这并不符合我们的要求。
2024-03-12 17:26:03
774
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人