苏嵌/杨帅/0718

苏嵌 项目实战

学习日志 姓名:杨帅 日期:0718

 

 

 

 

今日学习任务

 

  1. 熟悉常见函数
  2. 学习数组(一维数组,二维数组)

 

日任务完成情况

 

(详细说明本日任务是否按计划完成,开发的代码量)

  1. 了解了函数调用过程
  2. 知道了什么时候传值,什么时候传对应空间的地址
  3. 了解了传入参数和传出参数(int result = func(&num,&num2)),当我们需要返回多个值时,可以用传出参数
  4. 知道了return 0和exit(1)的区别:一个是告诉操作系统已经退出,不需要再做多余的检查;另一个是结束整个程序;
  5. 学习了几种字符串处理函数的用法:strcpy,strncpy,strcat,strncat,strcmp,strncmp。
  6. 学习了数组的基本用法,以及数组和指针之间的转换了解了一维数组和二维数组的一些基本用法

日开发中出现的问题汇总

 

 

  1. 指针使用不熟练
  2. 多维数组的意义不清晰

 

日未解决问题

 

日开发收获

 

见附件

 

自我评

 

(是否按开发规范完成既定任务,需要改进的地方,与他人合作效果等)

 

 

 

 

完成开发任务

其他

 

附件

函数调用过程

  1. (函数名是一个指针常量,保存函数的入口地址)
  2. 给形参分配空间
  3. 传参
  4. 执行函数语句
  5. 返回
  6. 释放空间

 

数组:

  1. 遍历数组
  2. 数组名的作用
  3. 数值指针变量的使用和作用
  4. 指针数组的用法

 

 

 

 

 

 

基于数据驱动的 Koopman 算子的递归神经网络模型线性化,用于纳米定位系统的预测控制研究(Matlab代码实现)内容概要:本文围绕“基于数据驱动的 Koopman 算子的递归神经网络模型线性化,用于纳米定位系统的预测控制研究”展开,提出了一种结合数据驱动方法与Koopman算子理论的递归神经网络(RNN)模型线性化方法,旨在提升纳米定位系统的预测控制精度与动态响应能力。研究通过构建数据驱动的线性化模型,克服了传统非线性系统建模复杂、计算开销大的问题,并在Matlab平台上实现了完整的算法仿真与验证,展示了该方法在高精度定位控制中的有效性与实用性。; 适合人群:具备一定自动化、控制理论或机器学习背景的科研人员与工程技术人员,尤其是从事精密定位、智能控制、非线性系统建模与预测控制相关领域的研究生与研究人员。; 使用场景及目标:①应用于纳米级精密定位系统(如原子力显微镜、半导体制造设备)中的高性能预测控制;②为复杂非线性系统的数据驱动建模与线性化提供新思路;③结合深度学习与经典控制理论,推动智能控制算法的实际落地。; 阅读建议:建议读者结合Matlab代码实现部分,深入理解Koopman算子与RNN结合的建模范式,重点关注数据预处理、模型训练与控制系统集成等关键环节,并可通过替换实际系统数据进行迁移验证,以掌握该方法的核心思想与工程应用技巧。
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