js扫盲

找到一本js权威指南,很基础,刚好可以补充一下我的短板,抓紧时间把不知道的补充上,下面把我不知道的,也不常用的点记录下来

 

1.arguments,是js的标识符,但是不是js的保留字,可以通过arguments[i],通过给i传递0、1、2、3等值,来获取参数列表的值,eg:

 

function max(){

     var m = Number.NEGATIVE_INFINITY;
	for(var i = 0;i<arguments.length;i++){
		if(arguments[i]>m) {
		   m = arguments[i];
		}
	}
	
	return m;
}


var result1 = max(1,2);
alert(result1);

var result2 = mex();
alert(result2);

 以上代码首先alert出result为2,然后alert出result2为 -Infinity(即Number.NEGATIVE_INFINITY,表示负的不能表示的最大值)

 

2、callee

 

 Arguments对象还定义了一个callee的属性,用来引用打过钱正在执行的函数,这个函数可以用来允许对未命名的函数递归地调用自身,eg:

 

function calleeTest(x){
	if(x<=0) return 1;
	return x* arguments.callee(x-1);
}

var result = calleeTest(3);
alert(result);

上面代码  通过arguments.callee来调用自身函数,这段代码最终会返回3*2*1*1 即 6

内容概要:本文档围绕六自由度机械臂的ANN人工神经网络设计展开,涵盖正向与逆向运动学求解、正向动力学控制,并采用拉格朗日-欧拉法推导逆向动力学方程,所有内容均通过Matlab代码实现。同时结合RRT路径规划与B样条优化技术,提升机械臂运动轨迹的合理性与平滑性。文中还涉及多种先进算法与仿真技术的应用,如状态估计中的UKF、AUKF、EKF等滤波方法,以及PINN、INN、CNN-LSTM等神经网络模型在工程问题中的建模与求解,展示了Matlab在机器人控制、智能算法与系统仿真中的强大能力。; 适合人群:具备一定Ma六自由度机械臂ANN人工神经网络设计:正向逆向运动学求解、正向动力学控制、拉格朗日-欧拉法推导逆向动力学方程(Matlab代码实现)tlab编程基础,从事机器人控制、自动化、智能制造、人工智能等相关领域的科研人员及研究生;熟悉运动学、动力学建模或对神经网络在控制系统中应用感兴趣的工程技术人员。; 使用场景及目标:①实现六自由度机械臂的精确运动学与动力学建模;②利用人工神经网络解决传统解析方法难以处理的非线性控制问题;③结合路径规划与轨迹优化提升机械臂作业效率;④掌握基于Matlab的状态估计、数据融合与智能算法仿真方法; 阅读建议:建议结合提供的Matlab代码进行实践操作,重点理解运动学建模与神经网络控制的设计流程,关注算法实现细节与仿真结果分析,同时参考文中提及的多种优化与估计方法拓展研究思路。
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