我的GAE博客程序keb-log开源了

 

关于keb-log

制作这款基于GAE的博客keb-log)动机来自看了24ways网站之后的兴奋,是一些设计前沿人物合作发表文章的一个关于web前端技术网站,每篇文章分量很重,只可惜一年只有24篇文章。

布局和色彩感觉很好,个人很喜欢这样的风格,尤其在google浏览器就想把它搬到一个运行在GAE这个稳定免费的空间来,好让自己好好享受这样的风格。

页面显示原版照抄,内容编辑器自己DIY简单实现。

原版是多作者发表,里面的小图片都是作者的头像,keb-log也可以是多作者发表,但小图片是在添加文章时跟文章匹配的一张小图片,好让人一看到图片就了解该文章相关主题。

页面快照

首页快照

keb-log main page

页面快照

keb-log page

使用keb-log注意

为了减少代码,利用django自带的admin管理了一些内容,如基本设置、广告、分类。

当在某个分类下还有未删除的文章请不要在django admin里删除该分类。

另外请保留页脚信息完整,尊重他人劳动。

使用keb-log不能轻易改变模板外观,原版的ccs太强大了,ccs里的很多东西没用上,也不花心思去精简了。

keb-log的效率很高,后来做了一个GAE cms+bbs 的程序,大部分代码就是沿用keb-log现有的。大家使用中遇到问题也可到这小社区去提问。

keb-log示例 http://keb-log.appspot.com/

开源下载地址 http://code.google.com/p/keb-log/

文章首发地址 http://keb-log.appspot.com/a/70001

内容概要:本书《Deep Reinforcement Learning with Guaranteed Performance》探讨了基于李雅普诺夫方法的深度强化学习及其在非线性系统最优控制中的应用。书中提出了一种近似最优自适应控制方法,结合泰勒展开、神经网络、估计器设计及滑模控制思想,解决了不同场景下的跟踪控制问题。该方法不仅保证了性能指标的渐近收敛,还确保了跟踪误差的渐近收敛至零。此外,书中还涉及了执行器饱和、冗余解析等问题,并提出了新的冗余解析方法,验证了所提方法的有效性和优越性。 适合人群:研究生及以上学历的研究人员,特别是从事自适应/最优控制、机器人学和动态神经网络领域的学术界和工业界研究人员。 使用场景及目标:①研究非线性系统的最优控制问题,特别是在存在输入约束和系统动力学的情况下;②解决带有参数不确定性的线性和非线性系统的跟踪控制问题;③探索基于李雅普诺夫方法的深度强化学习在非线性系统控制中的应用;④设计和验证针对冗余机械臂的新型冗余解析方法。 其他说明:本书分为七章,每章内容相对独立,便于读者理解。书中不仅提供了理论分析,还通过实际应用(如欠驱动船舶、冗余机械臂)验证了所提方法的有效性。此外,作者鼓励读者通过仿真和实验进一步验证书中提出的理论和技术。
评论
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