- 博客(105)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 Android蓝牙开发
这是我大二做的一个智能小车配套使用的APP，用Android的蓝牙接口实现，当时有些os相关的内容Thread之类还有一些Android接口、java语法，我其实不是很理解。学了操作系统，再来回顾一下，并整理项目代码，项目具有很高的复用性，特别是蓝牙部分。reference项目参考了稚晖君的开源项目Android蓝牙开发官方文档。
2023-01-20 17:48:06
10777
6
原创 【树莓派4B】搭建HomeAssistant服务端（二）（systemd配置开机自启动，cpolar内网穿透）
这里是将随机域名映射至主机（树莓派）的8080端口，支持。命令将文件权限更改为可读、可执行，复制以下内容，定义服务，其中。
2023-01-16 23:15:03
2048
7
原创 【树莓派4B】搭建HomeAssistant服务端
发挥树莓派的剩余价值，看到知乎有大神利用siri语音控制小米生态的智能家居，他就是利用HA实现的，HA打通不同品牌智能硬件的生态壁垒，而且还是开源，而我刚好手里有一块闲置的树莓派（斜眼笑），这不得支棱起来。但是家里没有什么智能家居设备，比较可惜，但我们先尽可能创造需求。这个过程也是加深了对linux系统的理解，提高了文档、formus以及错误信息的阅读能力。
2023-01-10 23:57:10
2084
原创 【树莓派4B】设置USB介质启动
很多场景如nas都对树莓派的存储空间提出了一定要求，刚好家里闲置了一块机械硬盘，正常可以通过一些配置挂载到树莓派上。但是，考虑到sd卡的性能、寿命瓶颈，想可不可以直接像电脑一样系统装在硬盘中，从硬盘启动？看下图，瞩目的容量1.8T告诉了我们答案（斜眼笑）。
2023-01-10 22:25:37
5309
4
原创 深度学习入门之ResNet食物图像分类
参加了华为一个小比赛第四届MindCon-爱（AI）美食–10类常见美食图片分类，本来想实践机器学习课程的知识，后来发现图像分类任务基本都是用神经网络做，之前在兴趣课上学过一点神经网络但不多，通过这样一个完整的项目也算入门了。
2023-01-09 15:32:44
1679
原创 2022年9月CSP认证题解 如此编码（k进制），何以包邮？（背包问题），吉祥物投票（珂朵莉树、懒标记、并查集）
中维护了以下段：（1，3，2），（4，5，1），（6，9，3），（10，12，2），此时还未执行过操作2,3，标签和。有一个地方我调了很久，就是操作5中输出最多得票的编号最小者，这个编号经过层层映射，早已不是容器内。回应操作5，这个在之前的3月份的第四题通信管理中也用到过，详见我的博客。② 对于操作2,3，我们并不需要真的修改容器内的值，只需要改变标签和。而对于操作2，我们引入并查集，将多个。的最小者，因此将所有最多得票者的。这时统计标签为1的段，应该统计。统计标签为1的段，应统计。
2023-01-07 13:58:47
7129
1
原创 梯度，GD梯度下降，SGD随机梯度下降
羊了，但是依旧生龙活虎。补补之前落下的SGD算法，这个在深度学习中应用广泛。梯度就是函数对所有单位向量求偏导构成的向量（方向），代表函数fff在定义空间RnR^nRn中的“增长率”。利用方向导数的定义，以及前面的定理，得∇uf(x)=∇f(x)⋅u=∣∣∇f(x)∣∣∣u∣∣cosα∇uf(x)=∇f(x)⋅u=∣∣∇f(x)∣∣∣u∣∣cosαα\alphaα是∇uf。
2023-01-01 00:07:02
763
4
原创 Problem Set 2
i—1 Solve p，o，u1 and 2 by maximizing l(, Lo，u1，>). Hint: xtr(AX-1B)=一(X-1BAX-1)T，VA|A=|A|(A-1)T。p)=之1 1(y()=gy) m and Ps(a l y)=>E1 1(g=y Aa,=z) 〉岩11(g(阈)= g)exp(一士(a一 uo)T>-1(a 一o))op(al y= 1)=(2n)n/l2(1/a exp (一是(a。
2022-12-27 12:26:04
981
原创 Merry Christmas 圣诞树html+css+js，c++，python实现
✍蹭蹭热度，探索csdn平台的流量密码💡项目均来源于github平台，非个人创作。
2022-12-25 15:49:16
652
原创 GAMES101 Assignment 3
通过阅读实验提供的代码框架，可以加深对渲染管线的理解。assignment1,2我并没有做，我们课程图形学本来有实验计划，然而老师专门让我们做GAMES101的这个实验，其意义可见一斑。阅读过程中遇到许多困难，看了许多资料以及平台的论坛，很受启发，重要资源附在文末。
2022-12-22 21:23:51
1083
原创 【ML实验5】SVM（手写数字识别、核方法）
正则项参数C变化，带来优化目标的“倾斜”，但是 margin 和 C 很难发掘出精确的代数关系（经过一个非线性问题的求解），只能说明它们的相关性。之后，决策函数不直接计算，也无法计算，因为 mapping 函数具有无穷维度，实际上通过。默认为0，因为求解器用的是迭代方法，返回数值解，可能收敛到一个很小但不为0的值；可以绕过直接计算 mapping ，如下图，实际就是代换。这里并不是通过 KTT 条件转化，而是对偶问题和原问题为。，可以通过 KTT 条件进行化简。其实，基于同样的技巧，code 中将较小的。
2022-12-21 16:03:09
1677
原创 Problem Set 3
而往往少数的点就能确定支撑平面（n 维空间 n 个点确定一个 boundary），因此大部分的点在间隔内。软间隔SVM可以避免过拟合，正如上面的例子，右侧橙色点可能是噪声，用硬间隔SVM会拟合噪声；相反，前者通过松弛变量，泛化模型，提高鲁棒性，因此某些情况下有必要使用软间隔SVM。，KTT 条件成立，满足 stationarity。根据 Dual feasibility 得。，即退化为硬间隔SVM，求得决策边界为。2.2不一定，软间隔SVM模型表达为。，因此该点处拉格朗日函数可以表达为。
2022-12-21 13:16:04
844
原创 SVM（二）对偶问题转化以及求解
上篇： SVM（支持向量机）（一）基本形式推导考虑如下优化问题：应用拉格朗日乘子法：定义拉格朗日对偶函数G\mathcal{G}G，这里 infinfinf 是上确界（集合的最小上界）。为什么不写成 minminmin ？因为 G\mathcal{G}G 是非凸的，存在 α，β\alpha，\betaα，β 使其趋于无穷小，不存在一个最小值，通过 infinfinf 表达将这种情况包含。当α≥0\alpha\geq0α≥0时，G\mathcal{G}G 是优化目标fff的下界，这也是构造拉格朗日对
2022-12-20 23:06:58
1730
原创 【树莓派】擦灰重启行动
高中时候看大佬各种秀项目，于是乎兴致冲冲买了一块树莓派4B，400r+，当时没想到光是开机，就折腾了两个星期~后来不出意外它在房间的角落很安逸地吃灰，但是，后来，我误打误撞学了CS，再误打误撞加入了机器人实验室，不可避免地接触到了各种单片机，作为单片机的天花板，树莓派，我想这就是我们之间的缘分吧。
2022-12-19 00:15:27
647
原创 CSP22.3 T4通信系统管理
之前在这篇博客记录了自己花了两天时间乱搞出来的方法，但是实际上动态维护区间最值，通过set实现会更简洁，用优先队列需要额外开数组记录堆中节点的有效性。而且在处理额度失效上，我也使用了最小堆，其实没必要，用map即可，tuple 存储端点，和失效额度值。实际上，时间是以天为单位连续的，范围为1e5，用数组存储也可以，但用map是动态开辟空间，优化空间使用。之前我将问题复杂化主要是不了解set和map。
2022-12-12 13:11:01
1884
15
原创 GitHub 学生认证
笔记本超糊的画质让我一直以为是清晰度的问题试了很多次。开始先按它的反馈完善自己的 profile（个人信息），它有一个自动测试通过之后才会提交至后台。当我成功提交以为可以了的时候，它发了一封正式的拒信，呵，呵。它说是location promblem，之前自动测试的反馈也提到过，我想会不会是 VPN 问题，但是没有 VPN 我登录不上呀。① 使用学校教育邮箱，我们学校是***@mail.sdu.edu.cn，它会直接识别出大学信息。，我一直用的是 Chrome，换了 Edge 果然好了。
2022-12-12 11:10:39
2049
原创 2022CCSP T1最少充电次数
记录第一次CCSP竞赛。一共3题，只做出第一题，用时3h30m（累），ac了开心地吃了个午饭。然而饭饱之后，大脑完全提不起神看着题面昏昏欲睡。第二题是虚拟内存，超级大模拟，刚好这个学期学os，但是翘了太多课完全看不懂，自己看ppt学了一点多级页表，但是1v0，1v1啥的想不明白怎么对应呀。第三题跟数据库系统有关，高性能 RDF 图查询系统，给了一个代码框架，稍微看了看，代码十分规范，应用了很多C++继承、虚基类等等特性，然后按要求实现一些函数方法，不会。下面主要记录第一题的思路。
2022-12-11 21:12:03
1272
9
原创 一个PCA加速技巧
而且实际上后者利用了文件存储的结果。效率的差异源于对两个不同矩阵（10304×10304 vs. 400×400）做evd.由于测试集大小在120-200之间，以上准确率可以认为几乎相同。因此我们可以得出结论：SVD-PCA在该人脸数据集表现更优。以上是我发现的一个小技巧，并通过测试发现，SVD-PCA方法准确率和标准EVD-PCA方法几乎相同，而效率大大提升！具体数值如10304×10304是我机器学习课程实验的数据集参数，这里关注数字量级即可。的情况下通过SVD做协方差矩阵。的特征值分解是可行的。
2022-12-09 21:11:55
998
原创 SVM（支持向量机）（一）基本形式推导
据说在dl之前是SVM撑起了ml的半片天，学习后发现SVM是由纯粹的数学推导、转化、求解、优化“堆砌”而来，不如说是数学撑起了ml，ml是数学的学科。以下根据老师ppt上讲解的思路讲讲个人对SVM基本形式推导的理解。margin（间隔）的定义：超平面的法线（normal）为ω\omegaω，margin为点x(i)x^{(i)}x(i)到超平面ωT+b=0\omega^T+b=0ωT+b=0的距离，因此点x(i)−γ(i)×ω∣∣ω∣∣x^{(i)}-\gamma^{(i)}\times\frac{\
2022-12-04 19:56:56
1254
原创 PCA主成分分析法浅理解
ML课刚学，发现更多是对线性代数的回顾。更进一步说，统计机器学习方法就是以高数、线代和概率论为基石构筑的“一栋大厦”。下面主要沿着老师ppt的思路讲讲对PCA方法的个人理解。优化目标为使投影数据的方差最大，根据最大方差理论：方差越大，信息量越大。以此为目标使投影保留的数据信息量最大，损失最小。通过降维后的数据重构原数据。的优化目标时相等价，印证了方差最大理论。，等式左侧正是我们的优化目标，特征值。，看损失了多少，是不是最小。因此，在算法步骤中，对。上的投影长度，实际上。个作投影，将数据降至。
2022-12-01 16:13:02
987
原创 单连通图的判断
中有一条是前向边或交叉边；第二种，存在这样一条搜索路径。存在v的后代和存在v的后代两种情况。必有一个是横向边”的论断是错的，可以修补。均是树边，但我们仍可以找到这样的两条边。大题思路相同，但我证明最后“因此。其中有一条是前向边或交叉边。
2022-11-29 18:17:41
3229
原创 求树的直径算法以及证明
根据第一点图①不存在，这和我证明的第（3）点对应，但我否定了图①情况后并没有进一步推证。将树视为以C为根的树，设A，B，Q，P所在子树为{A}，{B}，{Q}，{P}，（2）取d值最大者之一为P，再以P为源点BFS得P到各个顶点的d值；（1）若P为A或者B，则PQ=AB，|AB|=|PQ|，矛盾；（3）再取d值最大者之一为Q，PQ为树的其中一条直径。（3）若PQ与AB无交点，则设MN为两者联络线，如图。S点在{A}，{B}，{Q}，{P}其中之一，（2）若PQ与AB相交，设交点为C，如图。
2022-11-29 13:52:14
991
原创 CCF CSP认证2022年6月 归一化处理、寻宝！大冒险！、光线追踪
这是我第一次参加了这次CSP考试，300分，写了124三题，模拟题到现在都没看过题面没看，笑，t4写成模拟加数据结构，200+行，因为一个小错误调了1h，错失了大好机会。考试环境的VSC配置的字体太小，甚至连空格都看不清有还是没有，当时没想到可以重新配置，这可能也是我t4调了1h的原因。距离下一次CSP考试考试还有20天左右，特此回顾。代码均为考试时提交的代码，补充思路。
2022-11-26 21:30:20
7033
1
原创 一个基于容斥原理的概率模型
表示从电源出发一直到首个联络点（不包含该联络点）之间路径的可靠性。为论述概率模型的思想，本部分以下图所描述的情况作为例子讲述，为简化图省略线路开关。，但可以用两条路径包含的所有子路径可靠性之积表达，子路径之间是相互独立的！不同于单供网络，双供网络由于多条联络线，存在多个扩展供电方案。表示子路径的可靠性（为了方便表达有时可指代路径本身），如字母。由于路径相互重叠，它们之间的可靠性不是相互独立的，如。扩展供电路径，以及原先单供网络电源。两条供电线路时的节点的可靠性。为最小子路径，相互独立。
2022-11-26 12:27:01
496
原创 floyd-warshall算法浅理解
相比于矩阵乘法，floyd巧妙利用了最短路具有最优子结构的性质，即最短路径的子路径也是最短路径，得到以。的一条最短路径权重）为状态的转移方程，减少每次迭代的计算量，而且迭代过程只需保存两个矩阵。，就是找到前一个矩阵的第i行第k个元素以及第j列第k个元素求和和。（为从i到j的一条中间节点全部取自集合。，这也允许我们方便地进行手工验证。时，仅对应floyd算法的一步松弛。
2022-11-18 09:22:18
492
原创 Dijkstra算法浅理解
22.11.10更新：之前大一初学时尝试“严谨”证明，但现在来看只是感性陈述了一番。上个星期，在算法课上学习了算法导论上从路径松弛性质出发的证明，回顾一下自己之前的思路，同时完善之前的公式表达。设所考虑的图为N=N(V,A,W)N=N(V, A, W)N=N(V,A,W)，其中V=v1,v2,…，vnV={v_1,v_2,…，v_n}V=v1,v2,…，vn，即顶点个数∣V∣=n|V|=n∣V∣=n，EEE为弧边的集合，其弧边的条数为∣E∣=m|E|=m∣E∣=m；W=(wij)n∗nW=(w_{ij
2022-11-11 09:24:29
329
原创 课堂问题：一个凸函数的性质
任意情况都成立，部分特殊情况也肯定成立。对于任意的 x,y 均成立，是凸函数(convex).），代入上式，合并同类项，是凸函数(convex)
2022-11-09 10:55:19
342
原创 CCF CSP认证2020年6月 Markdown渲染器
其次，去除一行首尾空格，通过 clip() 函数实现，左起找到第一个不为空的字符其下标为 l，右起为 r，string &为段落内容的取引用，int 为窗口大小，bool is_proj 主要用于。，空白行起到分隔作用，项目和段落也可以相互分隔。总体上如此，还有一些细节处理在代码中体现。段落或者项目的最终渲染结果。题目要求的渲染对象主要是。
2022-10-31 20:04:18
424
原创 移动机器人（四）四轴飞行器
的一种总线，属于一从多主的总线结构。M1和M3的螺旋桨物理结构上是相同的，M2和M4相同（和前者是手性对称的，如果都相同机体不出意外也会跟着旋转），它们的旋转方向也是相反的。四轴飞行器在空间上有6个自由度，分别是沿3个坐标轴进行平动和转动，通过对四个旋翼的转速控制来实现，6个自由度方向的运动姿态分别为垂直升降、俯仰角度、横滚角度、前后飞行、左右侧向飞行。（1）垂直升降当四个电机输出平衡时飞行器垂直运动，这点我们通过设置相同的PWM值可能无法实现，因为电机的物理状况有所差异。.........
2022-07-20 18:04:35
4911
原创 移动机器人学（三）卡尔曼滤波
卡尔曼滤波器有一系列递推公式描述，提供一种高效可计算的方法来估计过程的状态，并使。它的应用广泛而强大，可以各级信号的过去和当前状态，甚至能估计将来的状态，即使是在无法得知模型的确切性质。.........
2022-07-19 21:19:38
704
原创 移动机器人学（二）四元数
在飞行器姿态解算中一般采用四元数表达旋转，个人理解，旋转矩阵用3*3的矩阵以及附加的6个非线性约束（列向量之间相互正交且模长为1）描述了旋转，而四元数通过4个数以及一个约束（单位四元数）描述了同样的信息量，类似对于一个线性方程组，通过代换消元的方式减少约束，减少变量数，达到减少计算量的目的。实际上，惯性导航系统中是通过四元数实现快速循环迭代，它能够以1000Hz的速度更新运动对象的姿态。（注意顺时针为正，习惯上北偏东为正），俯仰角为。，机体坐标系b与n的关系为。主要结合一个四轴飞控项目进行理解。......
2022-07-15 21:45:46
1303
原创 移动机器人学（一） 运动学
机构运动学研究的是进行关节运动的机器人，代表是机械臂。区别于刚体运动，引起整体的移动或转动，而关节运动引起车体质量分布的变化。从3中运算过程较易看出。
2022-07-14 18:23:40
761
圣诞树python源码
2022-12-26
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人