13、公民科学、开源实验室与可穿戴技术探索

公民科学、开源实验室与可穿戴技术探索

公民科学与开源实验室入门

在开启公民科学项目和开源实验室的探索之旅时,我们需要了解一些基础信息。3D打印实验室所需物品,显然比自行构建一套可实地部署的传感器要简单。在这个领域,借鉴他人的经验是个不错的方法。下面为大家介绍一些可获取相关信息的途径:

  • 网站资源

    • 传感器销售网站 :像 www.adafruit.com、www.sparkfun.com 和 www.qtechknow.com 这类销售可与 Arduino 对接传感器的网站,通常会提供传感器接线的教程或建议。
    • Instructables 网站 :该网站有众多相关项目。在其中搜索“weather stations”( 链接 )或“sensors”( 链接 ),能找到不同可行性的项目。不过要注意,这些都是社区贡献的项目,效果可能参差不齐,但可作为自己探索的起点。
  • 大学实验室项目

    • Tekla Labs :加利福尼亚大学伯克利分校的项目(www.tek
先展示下效果 https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方和母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方和的例子。 简单的平方和问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
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