8月27日学习总结

今天主要学习了两部分的内容:KMP和字典树两部分的内容和题目。

KMP算法是当当前某个字符匹配失败时,不是向纯暴力一样,将文本串匹配的起点往右移一个,而是将在模板中当前的匹配点左移到文本串当前点所能匹配到的最大的匹配点处。通过预处理出当文本串在模板某个位置匹配失败时,应跳转到的位置,即next或F数组,将时间复杂度从O(m*n)降低为O(m+n);

KMP算法主要是应用于三类题:看的博客上都有相关例题

第一是单纯的模板题,如:

统计一个串出现的次数、找模板串第一次出现的位置、求多个字符串的最长公共连续子串、字符串合并

第二是后缀与前缀的题目,如:

找出所有前缀与后缀匹配的长度

第三种是求字符串最短循环节的题目,如:

求字符串的循环节、求最小循环节个数、补齐循环节(即补充完整一个串,使得该串有循环节构成)

字典树是一种用于字符串(但不限于字符串)的查询、统计、排序的一种数据结构。字典树查询实现的效率比哈希高。

字典树主要解决字符串前缀的问题,像找出所有以字符串s为前缀的单词个数、找出字典中是否有一个字符串是其他字符串的前缀、找出所有字符串的共同前缀问题。

反正今天看的就是这么些类型的题目。

今天看的不多,白天精神状态不是太好,还是晚上睡得晚。这样看来还是要晚上休息够,否则白天即使补觉仍然精神不集中,还是要保持一下开心的心态,心态好了之后才能更能地投入到学习。明天改进一下自己。

提供了基于BP(Back Propagation)神经网络结合PID(比例-积分-微分)控制策略的Simulink仿真模型。该模型旨在实现对杨艺所著论文《基于S函数的BP神经网络PID控制器及Simulink仿真》中的理论进行实践验证。在Matlab 2016b环境下开发,经过测试,确保能够正常运行,适合学习和研究神经网络在控制系统中的应用。 特点 集成BP神经网络:模型中集成了BP神经网络用于提升PID控制器的性能,使之能更好地适应复杂控制环境。 PID控制优化:利用神经网络的自学习能力,对传统的PID控制算法进行了智能调整,提高控制精度和稳定性。 S函数应用:展示了如何在Simulink中通过S函数嵌入MATLAB代码,实现BP神经网络的定制化逻辑。 兼容性说明:虽然开发于Matlab 2016b,但理论上兼容后续版本,可能会需要调整少量配置以适配不同版本的Matlab。 使用指南 环境要求:确保你的电脑上安装有Matlab 2016b或更高版本。 模型加载: 下载本仓库到本地。 在Matlab中打开.slx文件。 运行仿真: 调整模型参数前,请先熟悉各模块功能和输入输出设置。 运行整个模型,观察控制效果。 参数调整: 用户可以自由调节神经网络的层数、节点数以及PID控制器的参数,探索不同的控制性能。 学习和修改: 通过阅读模型中的注释和查阅相关文献,加深对BP神经网络与PID控制结合的理解。 如需修改S函数内的MATLAB代码,建议有一定的MATLAB编程基础。
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