- 博客(7)
- 收藏
- 关注
RSS订阅原创 数学建模方法与技巧梳理
科研数据分析方法全攻略 本文系统介绍了科研数据分析的完整流程和方法体系。主要内容包括： 数据可视化工具（Origin、Matlab等） 基础统计分析方法（集中趋势、离散程度指标） 预测模型（线性回归、深度学习、灰色预测等） 分类模型（决策树、随机森林、SVM等） 优化方法（交叉验证、网格搜索） 数据处理技巧（异常值处理、变量转换） 特别强调了模型选择依据、检验方法和结果解释原则，并提供了可视化技巧和文献支撑建议。文章还指出数据预处理和模型验证的重要性，建议结合业务逻辑分析异常值，采用k折交叉验证等方法提升模
2025-09-21 00:20:00
721
原创 科研绘图工具与可视化
本文介绍了科研绘图的常用工具：1PPT/Visio适合流程图和神经网络结构图；2Matlab支持高质量数学图形；3OriginPro是科学绘图首选；4algorithm-visualizer可可视化算法；5Python+Matplotlib/Seaborn提供灵活可视化方案；6Adobe Illustrator用于专业矢量图；7神经网络可视化推荐Netron等工具。各工具均提供下载方式和使用参考链接。（149字）
2025-09-20 21:53:05
894
原创 宇树h1_2机器人：基于unitree_sdk2_python的机械臂控制-正逆解求法以及源码复现
本文介绍了宇树H1_2双足机器人右臂控制算法的实现方法。首先通过官方文档和URDF文件了解机器人的基本结构，使用Python SDK接口进行编程控制。重点讲解了如何通过正逆运动学方法操控机械臂：1）解析底层控制例程，实现关节复位和动作控制；2）通过设定目标角度控制机械臂运动；3）将7自由度简化成4自由度进行逆运动学解算。文中还提供了具体代码实现方法和注意事项，包括关节限位、角度定义等。该控制方法为机器人手臂运动规划提供了实用解决方案。
2025-07-21 18:51:46
2651
原创 机械臂求逆解：几何法和DH参数法——KDL库(Python版本）
本文研究了宇树H1_2机器人右臂运动学求解方法。首先提出几何法，通过简化七自由度机械臂为四自由度模型，建立末端水平约束方程，利用STL和URDF文件获取机械臂几何参数（A0=0.07106m，A1=0.275437m等），采用Python的sympy/spicy库求解方程组并验证关节角度范围。其次介绍了KDL库配置方法，对比分析了标准DH和改进DH参数法的差异，建立了七自由度机械臂的两种DH参数表。研究为机器人运动控制提供了几何解析和参数化两种解决方案，并强调了实际应用中需要考虑关节限制和参数转换问题。
2025-07-21 14:18:30
1948
原创 复现iTransformer实操，并与PatchTST的多变量——变压器油温时序数据预测对比
本文对比分析了PatchTST和iTransformer两种多变量时间序列预测模型。PatchTST采用通道独立策略，将多变量序列拆分为单变量输入Transformer；iTransformer则通过转置数据，利用注意力机制建模变量相关性。实验结果显示：在较长序列（336窗口）上，PatchTST表现略优（RMSE 0.284 vs 0.291）；而在较短序列（96窗口）时，iTransformer更佳（0.243 vs 0.239）。
2025-06-27 10:20:13
1245
原创 优于LSTM、GRU、RNN的时序数据预测方式：PatchTST单变量——Etth1变压器油温时序数据预测
本文探讨了PatchTST模型在长序列电力变压器油温预测中的应用。针对ETT-small数据集，对比了PatchTST与LSTM、GRU、RNN的性能表现。实验采用不同预测长度（96至720小时），结果显示PatchTST在各指标（MSE、MAE、RSE）上均优于传统模型，尤其随着预测长度增加优势更明显。研究详细介绍了数据预处理方法、模型实现过程及评估指标计算，确保实验可比性。结果表明，基于Transformer的PatchTST在长序列预测任务中具有显著优势，为时序预测提供了新思路。
2025-06-25 17:19:51
1840
原创 基于LSTM、GRU、RNN的锂电池数据预处理与时序数据预测
本文基于CALCE电池数据集，采用LSTM、GRU和RNN三种深度学习模型进行电池寿命预测研究。首先对原始数据进行预处理，包括异常值剔除和容量计算。在模型构建方面，对比了单步预测和多步预测两种方法，其中单步预测采用fixed、moving和mobile三种递归策略，多步预测则探讨了不同窗口尺寸(base_num, pre_num)组合对预测精度的影响。
2025-06-21 16:18:43
1876
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人