L1234X的博客

原创 利用matlab求解线性优化问题【基于matlab的动力学模型学习笔记_11】

利用matlab中的fmincon函数求解线性优化问题

原创 基于matlab的神经网络实践

神经网络的MATLAB实践

原创 前向神经网络的分析介绍

前向神经网络包括输入层、隐层和输出层.

原创 神经网络的分析介绍

人工神经网络（Artificial Neural Networks,ANN）也简称为神经网络或者称为连接模型，它是一种模仿动物神经网络行为特征，并进行分布式并行信息处理的算法数学模型。这种网络依靠系统的复杂程度，通过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的。...

原创 希尔伯特(Hilbert)空间的理解【量子力学基础知识学习笔记_4】

将所有可能的态放在一个2维空间内，其中有两个态（下图中用表示，类似于方程组求解里面的基础解系）的线性叠加可以用来表示空间内其它的所有态。

原创 粒子能量、量子波动方程、狄拉克方程、量子态【量子力学基础知识学习笔记_3】

1.粒子的能量其中等式右边第一项代表动能，第二项代表势能利用最小替换法则​​​​2.量子波动方程（不符合相对论变换）：​​​​写作薛定谔方程形式：其中表示拉普拉斯算子，并表示对空间的二阶导数、表示对时间的一阶导数。3.狄拉克方程（符合相对论变换）：对狄拉克方程变换可得：根据这个变换后的方程易得电子1/2具有自旋性。4.量子态（量子力学的核心）所有的态一同构成希尔伯特(Hilbert)空间。叠加态：...

原创 lyapunov指数求取时运用qr法与jacobi法之间的区别与联系【基于matlab的动力学模型学习笔记_10】

lyapunov指数之jacobi矩阵法、qr法

原创 表面缺陷检测的简单学习总结【缺陷检测_04】

对表面缺陷检测进行简单的归纳总结

原创 通过Power Designer直观建表并导入Navicat中应用

power designer—>navicat基础教程

原创 SQL数据库常见基础问题集及备注

入门：SQL基础问题集（含备注）

原创 SQL数据库中on与using用法的区别

using与on用法区别

原创 钢琴音高频率对照表【matlab调音_4】

钢琴是遵循十二平均律制制作的乐器，每个乐音对应着相应的频率。

原创 PSO粒子群算法中各参数对于计算精度的影响【PSO学习笔记_03】

PSO粒子群算法中各参数对于计算精度的影响

原创 PSO粒子群算法的matlab实践【PSO学习笔记_02】

前文中主要以介绍PSO算法的个人理解，以理论为主，本文将在此基础上进行实践。

原创 PSO粒子群算法【PSO学习笔记_01】

粒子群算法是一种在解空间中，“随机”进行“穷尽探索”的算法。（个人理解）

原创 randn与rand的区别

rand和randn的区别

原创 matlab演奏圣诞结【matlab调音_4】

基于该系列前面的理论，这里编写一首陈奕迅的《圣诞结》

原创 matlab 此上下文中不允许出现函数定义

错误：此上下文中不允许出现函数定义

原创 基于matlab构造简易的欧洲五大联赛转会网络【“自然哲学”中的matlab原理_2】

欧洲五大联赛作为足球世界里最高水准的代表，而其中每一位球员的流动都或多或少的影响着足坛的格局，当然也牵动着世界各地球迷的心。而这个球员转会网络表现出一些联赛内部流动频繁，联赛之间流动较少等多局域世界网络所具有的特性。

原创 基于上课点名问题的简易网络模型【“自然哲学”中的matlab原理_1】

在大学课堂、特别是在公共课上，当老师和学生之间几乎都不认识的情况下，哪一些学生被抽中的概率会更高一些呢？我们通过建立一个简单的网络模型，来对这一事件进行简单的预测模拟。

原创 python中保存与加载模型

在有些时候一个模型的训练时间可能很长（动辄几个小时），因此我们可以把训练好的模型保存好，在使用的时候调用就好了。这里介绍一种很简单的保存、加载方式。

原创 利用中值滤波帮助二维码识别【缺陷检测_02】

中值滤波处理二维码图片halcon

原创 调用子函数（在主程序文件中调用子程序文件中的函数）

python子函数调用（利用主函数文件调用子函数文件中的子函数）

原创 You are using pip version 21.2.4； however, version 21.3.1 is available.升级最新版pip失败解决方案

在使用pip安装python第3方库的时候，遇到提示pip升级（如下所示）运用网上搜寻的输入如下指令的办法仍无法解决问题python -m pip install --upgrade pip依然是大片飘红并继续提示升级.解决方案：1.去PYPI上下载pip最新版的.whl文件网址 Search results · PyPI2.将该文件放在python安装目录中的Scripts文件夹下3.然后在cmd中输入安装指令pip insta...

原创 指针变量、变量【C语言基础学习笔记_1】

简单阐述变量、指针变量、地址、内存单元等名词之间的联系。为了便于理解，不一定严谨。/*仅当作学习笔记，若有纰漏欢迎友好交流指正，此外若能提供一点帮助将会十分荣幸*/指针就是内存的地址，可以直接粗暴的理解为“指针就是地址”，因此指针只能存放地址。1 符号说明：&：取地址符*：取内容符2 课本定义（准确而难懂）：如果定义一个变量，那么在程序在进行编译时，系统就会给这个变量分配内存单元（例如int整型数据占4个字节，即分配4个内存单元），那么该变量的地址就被称为该变量的指针，.

原创 二维离散动力学系统的混沌研究【基于matlab的动力学模型学习笔记_9】

摘 要：混沌（Chaos）是指发生在确定系统中的貌似随机的不规则运动，本文将基于经典的二维系统，然后根据动力学方程研究其混沌产生过程以及相对应的MATLAB仿真，再讨论Lyapunov指数以及正平衡点。上一篇中介绍了一维系统，这次我们将维数提升到二。/*仅当作学习笔记，若有纰漏欢迎友好交流指正，此外若能提供一点帮助将会十分荣幸*/目录0 引言1 厄农（Henon）映射1.1系统的混沌1.2 最大Lyapunov指数1.3系统正平衡点的求解2 Lotka-Volterra捕

原创 一维离散动力学系统的混沌研究【基于matlab的动力学模型学习笔记_8】

摘 要：混沌（Chaos）是指发生在确定系统中的貌似随机的不规则运动，本文将基于几种经典的一维动力学方程系统，根据其动力学方程研究其混沌产生过程以及相对应的MATLAB仿真。/*仅当作学习笔记，若有纰漏欢迎友好交流指正，此外若能提供一点帮助将会十分荣幸*/0 引言混沌（Chaos）是指发生在确定系统中的貌似随机的不规则运动，长期以来，人们在认识和描述运动时，大多只局限于线性动力学描述方法，即确定的运动有一个完美确定的解析解。但是自然界在相当多情况下，非线性现象却起着很大的作用。混沌指确定性系统产

原创 双峰逻辑映射【基于matlab的动力学模型学习笔记_7】

/*仅当作学习笔记，若有纰漏欢迎友好交流指正，此外若能提供一点帮助将会十分荣幸*/本文利用Lyapunov指数，着重从混沌特性展现双峰逻辑映射与逻辑映射之间的区别。所谓的一维双峰逻辑映射，是因为它在第一次迭代中会出现一个双峰，如下图所示图1.双峰映射的第一次迭代其动力学方程为：式中r为系统参数。可以看到，其动力学方程与传统逻辑映射的动力学方程类似，并且在系统参数取得时(逻辑系统参数只能取得[0,4])，它们Lyapunov图谱也相近，如下所示：图2.双峰逻辑...

原创 厄密算符、伴随算子【量子力学基础知识学习笔记_2】

1厄密算符若算符满足或者其中是任意波函数，则称算符为自厄密共轭算符，简称厄密算符。2伴随算子设X，Y是两个希尔伯特空间,T是从X到Y中的有界线性算子。如果存在从Y到X中的有界线性算子T*,使得对任意、都有...

原创 算符之间的对易关系【量子力学基础知识学习笔记_1】

原创 双时滞四维捕食网络的分析【基于matlab的动力学模型学习笔记_6】

/*仅当作学习笔记，若有纰漏欢迎友好交流指正，此外若能提供一点帮助将会十分荣幸*/本系列谈论过单时滞，但还没提及过双时滞，本文将着重介绍一种双时滞系统并对其进行简单处理分析。摘 要：本文针对一个捕食网络，根据其特性建立起一个双时滞四维系统。首先分析其稳定性，找到其正平衡点，然后通过调试时滞量τ来模拟预测网络模型的发展前景。并根据所求得临界滞量τ0，带入实值仿真出其Hopf分岔图形。0引言自然界中，广泛存在着种群之间的捕食与被捕食关系，他们一起构成了生物链，为流传的“大鱼吃小鱼，小鱼吃虾米”就

原创 基于Duffing系统的分数阶混沌研究【基于matlab的动力学模型学习笔记_5】

/*仅当作学习笔记，若有纰漏欢迎友好交流指正，此外若能提供一点帮助将会十分荣幸*/前面的几篇博文我们提到提到的都是整数阶模型，这里我们将对分数阶模型进行一个简单的研究。摘要：与整数阶混沌相比，分数阶混沌更符合、也更接近于现实世界。本文将研究经典Duffing系统的迭代方式、系统参数选择对混沌的影响，并通过MATLAB呈现出其混沌、相图以及庞加莱截面以达到对该系统的全面认识。目录0 引言1 分数阶Duffing系统1.1系统的构造1.2 系统混沌图2 Duffing系统相图

原创 基于halcon的blob分析【缺陷检测_02】

1.抓取图像2.图像灰度化处理('rgb1_to_gray')3.二值化处理（对图像进行大概定位）利用灰度直方图，二值化得到的为一个区域（区域与图像不同，区域知识该部分像素的集合，而图像的每个点才有具体像素值）4.区域分割（'connection'，否则软件会把区域内的所有“东西”识别为一个整体，不利于处理）5.选中目标区域在利用特征直方图时，可以利用多个特征来勾选目标，比如圆圈等特征。6.清除显示（可进一步突出特征）7.实际应用（目标区域坐标、面..

原创 基于matlab实现FAST算法进行角点检测【图像处理_01】

快速角点检测角点检测的方法用于图像分析中的特征提取步骤，它是计算机视觉系统中用于从图像中提取相关信息和特征的一种方法。1.FAST算法根据图像处理时的图像输入等步骤，我们引入快速角点检测后的字符识别逻辑步骤将包括滤波器、窗口输入图像等步骤，其逻辑步骤如下：角点检测应用在运动检测、视频中的图像跟踪、3D 建模、图像配准、对象识别等中。FAST 是一种算法，用于识别图像中的某些点，该点是具有良好定义位置的像素值。图像并且可以被有效地检测。角点检测方法是使用来自加速段的特征测试（FAST）算法

原创 利用手机相机实现表面缺陷检测学习【缺陷检测_01】

缺陷检测软件：halcon相机：iPhone7自带相机我们在进行表面缺陷检测时，往往需要购置工业相机，但我们往往并不需要用到工业级的处理，学习这些处理方法、算子才是我们的重点。因此我们为了简化学习成本（穷），用闲置的手机相机代替工业相机实现（简单）的表面缺陷检测学习。缺陷检测模型的构建一、halcon 匹配（手机）相机1.以苹果手机为例，使用爱思助手将手机和电脑链接，另外通过ivcam软件将手机的相机与电脑连接。2.打开“打开新的 Image Acquisition”、在“资源.

原创 求动力学模型的特征矩阵、特征方程【matlab工具集_03】

这里我们以如下SIVRS传染病动力学模型为例,其动力学方程如下所示：(模型的详细介绍可参考几种经典病毒动力学模型【基于matlab的动力学模型学习笔记_3】_L1234X的博客-CSDN博客)计算此动力学模型的matlab程序为：%求特征方程syms x1 x2 x3 x4 y%定义特征值x=[x1,x2,x3,x4]N=1;a=0.6;%易感者转为感染者系数（感染系数）b=0.8;%感染者转为免疫者系数（康复系数）c=0.1;%感染者内部变异 d=0.1;%感染者外部变..

原创 利用matlab求解伊藤公式(ito公式)【matlab工具集_02】

在经济学、病毒等动力学模型的计算中，都有可能运用到伊藤公式以某病毒模型为例(与经典SEIR模型有所区别)，其动力学方程为：matlab计算程序为：%SEIR对于的伊藤求解程序clc;clear all;format compactsyms S E I Rsyms a b c beta1 beta %参数%输入微分方程equation1=-a*S*I+b*I; equation2=a*S*I-beta1*E; equation3=beta1*E-(c+b)*I;equ.

原创 求解动力学模型的平衡点【matlab工具集_01】

在动力学模型的处理分析中，模型的平衡点起着相当重要的作用，可以基于此点分析模型的分岔等等。这里我们以如下SIVRS传染病动力学模型为例,其动力学方程如下所示：(模型的详细介绍可参考几种经典病毒动力学模型【基于matlab的动力学模型学习笔记_3】_L1234X的博客-CSDN博客)计算此动力学模型的matlab程序为：%计算正平衡点syms x1 x2 x3 x4%定义自变量a=0.6;%易感者转为感染者系数（感染系数）b=0.8;%感染者转为免疫者系数（康复系数）c=0...

原创 未定义与 ‘double‘ 类型的输入参数相对应的函数 ‘jacobian‘【matlab问题集_01】

以下述程序为例：syms y%定义自变量x1=1;x2=1;x3=1;x4=1;x=[x1,x2,x3,x4]N=1;a=0.6;b=0.8;c=0.1;d=0.1;e=0.05;h=0.2;g=0.05;k=2;f1=[g*N-a*k*x1*x2+h*x4-e*x1,a*k*x1*x2-d*k*x2*x3-(c+b+e)*x2,d*k*x2*x3+c*x2-e*x3,b*x2-h*x4-e*x4]%定义函数，以矩阵形式展示j=jacobian(f1,x)%计算雅可比

原创 带时滞传染病模型分析【基于matlab的动力学模型学习笔记_4】

/*仅当作学习笔记，若有纰漏欢迎友好交流指正，此外若能提供一点帮助将会十分荣幸*/在前面的博文中我们提到了几种病毒模型、基本再生数R0等，这里我们将研究带时滞的动力学模型。摘 要：很多病毒模型因为传染病潜伏期的原因，各种状况之间的转化并不是立刻完成的，而是有存在一个时间差（时滞）。本文将通过一个带时滞的SIR模型，展现带时滞病毒模型的分析方法。0 搭建模型在经典SIR模型中，S代表易感状态（也可以理解为未被感染的健康群体），I代表已经被感染的群体，而R代表处于免疫状态的群体（由感染个体I