学习

学习ADRC先从提出这个算法的论文《从PID技术到“自抗扰控制”技术》开始。https://download.csdn.net/download/qq_34445388/10309935调试四轮智能车，板球控制系统，两轮直立车，舵机控制，这些控制系统用的都是PID控制，虽然我已经有很多种改进方法，但是还是很难突破传统PID的限制，调节速度和超调一定同时存在，想要得到较好的控制效果，用现…

选一个你感兴趣的模型利用你感兴趣的任何物品或形象的预制模型。选一个可以激发你想象，让你知道清楚知道自己的模型该是什么样子，该怎么动的模型。你可以根据自己的喜好和需要加强现有模型。预制模型可以让你在开始建模之前，体验模型的检查和操作。从简单模型入手从复杂3D模型入手，你可能会备受打击。选一个简单的结构，然后开始学习。你不仅想要学会3D建模的基本知识，还需要慢慢学习掌握不同的工具、技巧。瓶子一样的圆柱体是一个很好的入门模型。或者你可以用更简单的立方体来熟悉所有工具技巧的用法。复杂模型可能会.

[python机器学习及实践(2)]Sklearn实现朴素贝叶斯

一、LLDP协议概述 随着网络技术的发展，接入网络的设备的种类越来越多，配置越来越复杂，来自不同设备厂商的设备也往往会增加自己特有的功能，这就导致在一个网络中往往会有很多具有不同特性的、来自不同厂商的设备，为了方便对这样的网络进行管理，就需要使得不同厂商的设备能够在网络中相互发现并交互各自的系统及配置信息。 LLDP（LinkLayerDiscoveryProtocol，链路层发现协

V-rep学习笔记：切削

监督学习——决策树理论与实践（下）：回归决策树（CART）

我的 Vue.js 学习日记 （四） – v-bind:class / style 用法

python学习 day3

本文为概述，详情翻看前面文章。1.SRCNN：—2,3改进开山之作，三个卷积层，输入图像是低分辨率图像经过双三次(bicubic)插值和高分辨率一个尺寸后输入CNN。图像块的提取和特征表示，特征非线性映射和最终的重建。使用均方误差(MSE)作为损失函数。2.FSRCNN特征提取：低分辨率图像，选取的核9×9设置为5×5。收缩：1×1的卷积核进行降维。非线性映射：用两个串联的3×3的卷积核可以…

最近在搞Jest单元测试，如何在vue中安装和使用jest我就不说了，前一篇文章简单的说了一下在使用jest时遇到的一些问题，但是我觉得并没有真正的解决的很好。后面会在学习过程中更新前面的那篇文章，加