Python学习——动态类型简介

本文探讨了Python中变量、对象及引用的概念及其相互关系,解释了如何通过引用实现对象的共享,以及如何避免共享引用导致的问题。同时,还介绍了==和is运算符的区别。

变量、对象和引用:


a = 3(不需要提前声明变量)

变量在赋值的时候才被创建,它可以引用任何类型的对象,并且必须在引用之前赋值。

他们三者之间的关系:

变量是一个系统表的元素,拥有指向对象的连接的空间;

对象是分配的一块内存,有足够的空间去表示他们所代表的值;

引用是自动形成的从变量到对象的指针;

变量名没有类型,类型属于对象而不是变量名,赋值只是将变量修改为不同对象的引用。


共享引用:


>>>a = 3

>>>b = a

这两句话执行之后的效果就是a指向了对象3,b也指向了对象3;

>>>a = ‘spam’

这句话执行 之后的效果就是a指向了对象spam;

>>>L1 = [2,3,4]

>>>L2 = L1

现在L1和L2都指向了同一个列表[2,3,4],如果这个时候修改了L1中的某个值;

>>>L1[0] = 24

>>>L2

[24,3,4]

因为L1和L2都指向了同一个对象,所以对L1的修改也会修改掉其他的引用;

如果我们不想这样的情况发生,就需要Python去拷贝对象,而不是创建引用。拷贝的方法有很多,其中最常用拷贝列表的方法就是从头到尾的分片。

>>>L2 = L1[:]

这样修改了以后,L1的修改就不会对L2有影响,因为L2引用的是L1的一个拷贝,也就是他们指向了不同的内存区域。


==和is:

==表示的是检测的两个被引用对象是否含有相同的值,而is表示的是两个被引用对象是否精确的同一(例如,两个变量名精确的指向同一个对象)


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
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