Git

1,误删本地文件,从本地仓库中拿取,恢复。

要查看删除的文件: git ls-files –deleted

恢复则需要从新checkout: git checkout – <deleted_file>

多个文件同时操作可以使用xargs

git ls-fies -d | xargs git checkout --

2,修改git编辑器

 git config --global core.editor vim

之后git commit就可以进入 vim编辑器写log了

3,创建远程分支

(1)从已有的分支创建新的分支(如从master分支),创建一个brn分支

git checkout -b brn

(2)创建完可以查看一下,分支已经切换到dev

git branch -a

(3)提交该分支到远程仓库

git push origin dev


4,创建远程仓库(git 用户名为git,ip地址位xxx)

在远程机子git用户上:

(1)创建文件夹 testrepo.git

 mkdir  testrepo.git

(2)初始化git仓库

    git --bare init

git config core.sharedRepository true

git config receive.denyNonFastForwards true

在本地机子上:

(1)初始化你的源码库,比如源码库为 restestcode

cd  restestcode

git init 

(2)添加远程库地址并推送到远程库

git remote add origin git@xxx:/home/git/repo/restestcode.git

git add -A

git commit -am "git init repo"

git push origin master


5,查看2个版本修改了那些文件

git diff hash1 hash2 --stat

或者git diff  hash1 hash2 --name-only

6,恢复历史版本

 git reset --hard 哈希id

6,

(1)git config --global user.name "youname"

(2)git config --global user.email "youemail"

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
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