又辞职了

起因很简单。三个月内,我发现,除了开始的两周搞了搞slate,其余时间沉浸在业务逻辑的泥潭中,和年轻人做同样的事,顿生危机感,加上期间有些人做了些小动作,为了避免矛盾,以及不能为钱做事,我打算换岗到底层渲染组,但是没同意。老板说,既然和你的职业规划不符,那就走人吧。我于是第二天交辞职信,走人了。

找工作期间,发现了有的大公司,所谓的自研,也是购买的源码,感觉顶尖的人物真的不多。

所以,沉下心来继续做事,还是按照以前的规划,深钻一个引擎,学习UE4的各种视频教程。并进行渲染,这些方向不能变。

 

拿到了2个offer,决定离开帝都,回到老家,先到一个osg引擎的公司去做事,收入锐减到1万4。帝都不好混,如果只凭智商不靠情商,目前还没达到这个水平,顶多是搞搞逻辑,做做界面罢了。

 

该计划期间把Osg的源码抄一遍。认真体会体会,要积累些真才实学,

 

基于数据驱动的 Koopman 算子的递归神经网络模型线性化,用于纳米定位系统的预测控制研究(Matlab代码实现)内容概要:本文围绕“基于数据驱动的Koopman算子的递归神经网络模型线性化”展开,旨在研究纳米定位系统的预测控制方法。通过结合数据驱动技术与Koopman算子理论,将非线性系统动态近似为高维线性系统,进而利用递归神经网络(RNN)建模并实现系统行为的精确预测。文中详细阐述了模型构建流程、线性化策略及在预测控制中的集成应用,并提供了完整的Matlab代码实现,便于科研人员复现实验、优化算法并拓展至其他精密控制系统。该方法有效提升了纳米级定位系统的控制精度与动态响应性能。; 适合人群:具备自动控制、机器学习或信号处理背景,熟悉Matlab编程,从事精密仪器控制、智能制造或先进控制算法研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①实现非线性动态系统的数据驱动线性化建模;②提升纳米定位平台的轨迹跟踪与预测控制性能;③为高精度控制系统提供可复现的Koopman-RNN融合解决方案; 阅读建议:建议结合Matlab代码逐段理解算法实现细节,重点关注Koopman观测矩阵构造、RNN训练流程与模型预测控制器(MPC)的集成方式,鼓励在实际硬件平台上验证并调整参数以适应具体应用场景。
评论 21
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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