嵌入式Linux 系统--树莓派3B+的 安装和环境配置 一、软件准备 1.树莓派镜像 官网：Raspberry Pi OS – Raspberry Pi 2.SDCardFormatterv5 SD Memory Card Formatter | SD Association 3.烧录工具Raspberry Pi Raspberry Pi 4.putty Download PuTTY: latest release (0.77) 二、SD
三维空间直线与平面的交点计算与平面方程优化的参数化方法。 1. 线面交点计算 线面交点计算方法有很多种，列出两种，使用何种方法与线面表达的形式有关（形式可以转换，这种关系只涉及便利程度）。 1.1. 方法一 问题描述：有一平面，法向为 \(\mathbf{n}\) ，平面上一点 \(\mathbf{X}_0\)；有一直线
General Seniority 学习笔记(1): BCS 我学习了参考文献 [1,2]，把里面的核心公式推导核对整理了，因为觉得有点意思。做完笔记我顺手写了个代码，还没来得及核对。 下一步可以考虑投影 broken-pair 的优化和投影，即 seniority 取次极小的内秉态做投影。 参考文献： [1] 贾力源，"Application
CTCLoss如何使用 目录CTCLoss如何使用什么是CTC架构介绍一个简单的例子CTC计算的推导总概率\(p(z|x)\)路径的含义路径概率\(p(\pi|x)\)什么是\(\mathcal{B}\)变换一步一步手动计算CTCLoss找出所有满足\(\mathcal{B}(\pi)=l\)，\(l\)=“CAT”的路径计算每条路径的概率\(p(\pi|x)\)计
20世纪20年代初，一位名叫尼古拉斯·米诺斯基(Nicolas Minorsky)的俄裔美国工程师通过观察舵手在不同条件下如何驾驶船只，为美国海军设计了自动转向系统。 根据Wikipedia.org，他注意到，在平静的条件下，舵手的动作可以通过简单的误差信号放大来近似，但这个简单的模型不足以描述在像大风这
求 \(1-\cos\theta+\mathrm{i}\sin\theta\) 的指数形式. \[\begin{aligned} 1-\cos\theta+\mathrm{i}\sin\theta&=2\sin^2\dfrac{\theta}{2}+2\mathrm{i}\sin\dfrac{\theta}{2}\cos\dfrac{\theta}{2}\\ &=2\sin\dfrac{\theta}{2}\left(\sin
复数中的三角函数表示 假设复数 \(z\) 的模长为 \(l\) ，和 \(x\) 坐标的夹角为 \(\alpha\) \[z=l(\cos(\alpha)+i\sin(\alpha)) \]欧拉定理： \[z=x+iy \]\[e^z=e^x(\cos(y)+i\sin(y)) \] 更简便的表示 \(e^{ix}=\cos(x)+i\sin(x)\) 单位根 在复数平面上的单位圆中 \(n\) 次单
变量赋值 x = 0:pi/100:2*pi; 这样给变量赋值,就会赋值成一个0->2*pi,step = pi/100的一个数组,或者说一个向量一样的东西 plot matlab plot 命令官方文档:link 常用的plot用法： plot(x,y) x和y都是1维数组 plot(x,Y) Y可以是矩阵 plot(x,y1,x,y2) 把y1和y2画在一个坐标轴 load
EBO 的理论和强化学习很像，也是 value function（性能势）和 Q function（Q 因子）。 估计熟悉 RL 的朋友已经想象出画面了，但是要注意三点： value function 不代表 “特定状态下的预期收益”，而是 “特定事件发生后的预期收益”；同样，Q function 代表 “特定事件发生后、做出特定动作的预期收
fileID One of the following: An integer file identifier obtained from fopen. 1 for standard output (the screen). 2 for standard error. Default: 1 (the screen) format String in single quotation marks that describes the format of the output fields. C
@ 与 ^ 运算符//例1：procedure TForm1.Button1Click(Sender: TObject);varstr: string;p: Pointer;beginp := @str; //变量 str 的地址p := @Form1; //变量 Form1 的地址p := @TForm1.Button1Click; //过程 TForm1.Button1Click 的地址p := Addr(str); //同 p := @str;ShowMessage(
创建进程 #include "stdafx.h" #include <stdlib.h> #include <windows.h> int main(int argc, char* argv[]) { TCHAR childProcessName[] = TEXT("C:/WINDOWS/system32/cmd.exe"); TCHAR childProcessCommandLine[] = TEXT(" /c ping
傅里叶级数收敛性证明 参考来源：Richard Courant, "Differential and Integral Calculus, Vol. 1, 2nd Ed." 1. 傅里叶级数的定义 对于 \([-\pi, \pi]\) 上的给定函数 \(f(x)\)，计算 \[a_\nu = \frac{1}{\pi}\int^\pi_{-\pi}cos (\nu t) dt, ~~~ b_\nu = \frac{1}{\pi}\int^\pi_{
直线段光栅化 数值微分法（DDA算法） 计算方法： \(\Delta\)x = \(x_2-x_1\)，\(\Delta y=y_2-y_1\) ，\(k=\frac{\Delta y}{\Delta x}\) 当$ -1≤k≤1 $ 时： \[\begin{array}{l} \left\{\begin{matrix} x_{i+1} = x_i + 1 \quad \\ y_{i+1} = y_i + k \quad \\ \end
import numpy as np from psychopy import visual, core def present_stim(sti_fr_list=[1, 1], stim_time=3.0): win = visual.Window(size=(1280, 130), pos=(0, 543), color=(0, 0, 0)) block1 = visual.Rect(win, pos=(-0.82, 0), size=(0.3, 1.8), fillColor=
原因一:三个参数使得调节难度骤增。 如果PI调节有x*x种可能组合，那么PID就有x*x*x种可能组合。 原因二:PI控制往往能取得较好效果。 实际过程大多可用过阻尼非震荡过程描述，因此如果参数整定合适，PI控制就可以取得较好效果。 原因三:微分环节容易引进高频测量噪声。 微分环节的传递
新到手的树莓派连接 SSH 居然提示密码错误，于是折腾之旅开始 根据 Raspberry Pi OS Bullseye 的4月更新说明，经典的 pi 用户名和 raspberry 已经被取消，用户想要使用树莓派，需要使用如下方法创建账户： 使用新版系统向导（需要显示器和外设） 使用 Raspberry Pi Imager 创建账户 以下
题目 已知圆形面积的计算公式S=Π*r*r，请编写一段程序，输入圆的半径r，输出圆的面积。设Π=3.14，计算结果保留两位小数 提示： 浮点型数据类型，可以先简单理解为把声明变量的 int 替换为 double 就可以了，int 我们说过只能赋值整数，float 和 double ，可以赋值小数 利用C语言格
原文：https://oi-wiki.org/string/kmp/ 此篇为读后总结 很多字符串算法都是应用 借助之前的计算好的答案来加速计算新的答案。简单来讲就是dp。 前缀函数pi[i] 意为：以i为结尾的子字符串与原字符串的最长的公共前缀 即s[0~i] 与 s的最长公共前缀的子串的长度 即：s[0~pi[i]] 相等 s[
记录 Poincaré 引理证明的想法（尤其是链同伦的构造）——follow 的是 Bott-Tu 的书 Differential Forms in Algebraic Topolgy (GTM82)。 (目前只写了紧支上同调的 Poincaré 引理，待更新...) 目录Proof of the Poincaré Lemma for Compactly Supported Cohomology: \(H_c^{*+1}(M\t
0x00 前言说明 最近买了一块Raspberry Pi Zero 2W来玩，目的是想搭建一台远程运行的个人服务器，上面放个博客、点个灯啥的。于是就有了这篇文章。 树莓派官网地址：https://www.raspberrypi.com/ 0x01 SSH连接 首先一开始买到手之后我是很懵的，于是在google上找到了以下几篇文章帮助了我
线性高斯系统的状态估计 离散批量优化 运动和观测方程 在离散时间线性时变的条件下，定义运动和观测方程： \[x_k=A_{k-1}x_{k-1}+v_k+w_k,k=1,\cdots,K \\ y_k=C_kx_k+n_k,k=0,\cdots,K \]\(v_k\) 是确定性变量，其他都是随机变量。噪声和初始状态一般假设为互不相关，并且在各个时刻与自
文本文件可存储的数据量多、每当需要分析或修改存储在文件中的信息时，读取文件都很有用，对数据分析应用程序 处理文件，让程序能够快速地分析大量的数据处理文件和保存数据可让你的程序使用起来更容易 一、从文件中读取数据1）读取整个文件：先创建一个任意的文本文件，设置任意行，任意个数据
Ch 03 - 连续信号的频域分析 连续傅里叶级数 CFS CFS 给出了周期信号的分解表示 \[x(t)=\sum_{k=-\infty}^{+\infty}A_k{\rm e}^{{\rm j}k\Omega_0t} \\=A_0+\sum_{k=1}^{+\infty}(a_n\cos \frac{2k\pi t}{T_0} + b_n \sin \frac{2k\pi t}{T_0}) \]用有限（如正弦波叠加型）或无限（如方
背包九讲(7) 有依赖的背包问题 有 N 个物品和一个容量是 V的背包。 物品之间具有依赖关系，且依赖关系组成一棵树的形状。如果选择一个物品，则必须选择它的父节点。 如下图所示： 如果选择物品5，则必须选择物品1和2。这是因为2是5的父节点，1是2的父节点。 每件物品的编号是 ii，体积是 vi，
