手动实现Kotlin内置函数

内置函数持有值返回值异同点使用场景
T.applythisthis
T.alsoitthis==apply,持有值不同
T.letitreturn判空+空合并操作符
T.runthisreturn
with(T)thisreturn==run,调用方式不同
takeIfitture=this false=null空合并操作符
takeUnlessitture=null false=thistakeIf相反空合并操作符+string.isNullOrBlack

apply

fun <T> T.myApply(action: T.() -> Unit): T {
    //持有this ,return this
    this.action()
    return this
}

let

fun <T, R> T.myLet(action: (T) -> R): R {
    //持有it ,return this.action(it)类型
    return action(this)
}

run

fun <T, R> T.myRun(action: T.() -> R): R {
    //持有this ,return this.action()类型
    return this.action()
}

also

fun <T> T.myAlso(action: (T) -> Unit): T {
    //持有it ,return this
    action(this)
    return this
}

with

fun <T, R> myWith(ob: T, action: T.() -> R): R {
    //持有ob = this ,return ob.action()类型
    return ob.action()
}

takeIf

fun <T> T.myTakeIf(action: (T) -> Boolean): T? {
    //持有it ,return this.action(it) = [true this类型 ,false null类型]
    val isTrue = action(this)
    return if (isTrue) this else null
}

takeUnless

fun <T> T.myTakeUnless(action: (T) -> Boolean): T? {
    //持有it ,return this.action(it) = [false this类型 ,true null类型]
    val isTrue = action(this)
    return if (!isTrue) this else null
}

其他

fun <T> T.myTake(action: (T) -> Boolean): Boolean {
    //持有it,return this.action(it)的boolean类型
    return action(this)
}
fun <T, R> T.myCustom(action: T.(T) -> R): R {
    //持有this ,return action(this)类型
    return this.action(this)
}
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