Eclipse常用快捷键

1.几个最重要的快捷键

快速修改 :ctrl+1
显示搜索对话框 :ctrl+h

打开资源:ctrl +shift + r
打开类型:ctrl +shift + t

快速打开outline :ctrl+o

上一个/下一个光标的位置: alt+left/right

上一个/下一个成员(成员对象或成员函数):ctrl+shift +up/down
选中闭合元素:alt+shift+up/down/left/right
删除行:ctrl +d
在当前行上插入一行 :ctrl +shift+enter
在当前行下插入一行:shift +enter
组织导入:ctrl+shift+o
2.定位
2.1 行内定位
行末/行首:end/home
前一个/后一个单词:ctrl+right/left
2.2 文件内定位
跳到某行:ctrl+L

上下滚屏:ctrl+up/down

上一个/下一个成员(成员对象或成员函数):ctrl+shift+up/down

补充
复制当前行到下一行(复制增加):ctrl +alt + ↓
复制当前行到上一行(复制增加):ctrl +alt + ↑ 
当前行和下面一行交互位置:alt + ↓
当前行和上面一行交互位置:alt + ↑
定位到最后编辑的地方:ctrl + Q
定位到某行: ctrl+L
关闭当前编辑页面:ctrl + w 
关闭所有的打开的编辑页面:ctrl +shift + f4
重命名 :alt + shift + r


 














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