调试三角形

博客围绕图形SDK展开,从运行旋转三角形开始,对代码进行分析。涉及顶点数组、索引数组等内容,探讨创建、清理、动画等功能。调试时查看命令行、配置结构体,还发现有OpenGL、Vulkan等API及多种摄像机运动模式,最后准备查看各个类。

图形sdk,一般是从三角形开始的,先运行下。

还好,能过。要不白费劲了。是一个旋转的三角形。

 

看看代码,先折叠下,猜测大概有啥东西。如果我写,该怎么写。

顶点数组,索引数组,应用,创建,清理,动画,运行,配置

顶点数组和索引是传到三角形的。创建和清理是正常的入口和出口,动画应该是三角形旋转,运行是从读取配置到启动到清理结束。setup是初始化,App是什么,不知道,

如果简略些,只考虑运行,不考虑旋转,动画可以删掉。果然如此,三角形不动了。

开始调试,先到sdl_window_main.c的main函数,读取命令行

 

 

 

看看命令行是什么,当前进程。

传到sdl

 

 

 

 

转到习惯的main()函数


配置结构体,

猜测估计是题目,目录名,放缩,是否分屏,用的opengl,摄像机用orbit,可放缩。

可以看到,原来有opengl,vulkan,meta几种api

几种摄像机运动模式.

该到看app的时候了,

应该是顶点缓冲区,索引缓冲区,材质,摄像机,天空,实体(实体????什么东东)

 

代码下了无秘密。

分别看下各个类

 

 

 

 

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问题,并提供完整的Matlab代码实现。文章结合数据驱动方法与Koopman算子理论,利用递归神经网络(RNN)对非线性系统进行建模与线性化处理,从而提升纳米级定位系统的精度与动态响应性能。该方法通过提取系统隐含动态特征,构建近似线性模型,便于后续模型预测控制(MPC)的设计与优化,适用于高精度自动化控制场景。文中还展示了相关实验验证与仿真结果,证明了该方法的有效性和先进性。; 适合人群:具备一定控制理论基础和Matlab编程能力,从事精密控制、智能制造、自动化或相关领域研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①应用于纳米级精密定位系统(如原子力显微镜、半导体制造设备)中的高性能控制设计;②为非线性系统建模与线性化提供一种结合深度学习与现代控制理论的新思路;③帮助读者掌握Koopman算子、RNN建模与模型预测控制的综合应用。; 阅读建议:建议读者结合提供的Matlab代码逐段理解算法实现流程,重点关注数据预处理、RNN结构设计、Koopman观测矩阵构建及MPC控制器集成等关键环节,并可通过更换实际系统数据进行迁移验证,深化对方法泛化能力的理解。
评论
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