个人ros stage仿真代码保存,后续持续优化
个人ros stage仿真代码保存,后续持续优化
ROS Navigation.xmind
个人学习ROS 导航包思维导图,临时保存自用
有限状态机代码FSM.zip
有限状态机C语言代码,主要利用数据结构实现有限状态机的实现。另附简单注释
turtle_topic.rar
深蓝学院ROS培训第二讲ROS基础习题答案:话题与服务编程:通过代码新生一只海龟,放置在(5,5)点,命名为“turtle2”;通过代码订阅turtle2的实时位置并在终端打印;控制turtle2实现旋转运动;
STM32F10x(V2.0库).zip
STM32F103 V2.0库,兼容开发过程中旧的工程项目。解决“error: #5: cannot open source input file "XXX.h": No such file or directory问题”
en.DM00394369——motionFX.pdf
MotionFX 是 X-CUBE-MEMS1 软件的中间件库组件,可在 STM32 上运行。 它可提供实时运动传感器数据融合。它还执行陀螺仪偏差和磁力计硬铁校准。该算法以静态库格式提供,旨在用于基于 ARM® Cortex®-M4 架构的 STM32 微控制器。它以 STM32Cube 软件技术为基础而构建,便于在不同 STM32 微控制器之间移植。该 软 件 附 带 了 NUCLEO-F401RE 或 NUCLEO-L476RG 开 发 板 上 的 X-NUCLEO-IKS01A1 ( 可 选STEVAL-MKI160V1)或 X-NUCLEO-IKS01A2 扩展板上运行的示例实现。
图论基础知识总结PPT
介绍图论算法相关的知识点,主要是总结,另有测试习题
.gitignore
Git MDK单片机开发“.gitignore”文件;用于MDK、STM32等单片机工程
(基于陀螺仪滤波分析)卡尔曼滤波C代码分析.pdf
(基于陀螺仪滤波分析)卡尔曼滤波C代码分析,主要分析卡尔曼滤波在陀螺仪数据读取中的使用代码分析
学习笔记一:PID总结
学习笔记一:PID总结
当今的闭环自动控制技术都是基于反馈的概念以减少不确定性。反馈理论的要素包括三个部分:测量、比较和执行。测量关键的是被控变量的实际值,与期望值相比较,用这个偏差来纠正系统的响应,执行调节控制。在工程实际中,应用最为广泛的调节器控制规律为比例、积分、微分控制,简称PID控制,又称PID调节。
PID控制算法的C语言实现(完整版)
PID控制算法的C语言实现——详细介绍所有PID相关内容
当今的闭环自动控制技术都是基于反馈的概念以减少不确定性。反馈理论的要素包括三个部分:测量、比较和执行。测量关键的是被控变量的实际值,与期望值相比较,用这个偏差来纠正系统的响应,执行调节控制。在工程实际中,应用最为广泛的调节器控制规律为比例、积分、微分控制,简称PID控制,又称PID调节。
ARM Cortex-M3与Cortex-M4权威指南
ARM Cortex-M3与Cortex-M4权威指南高清版
姚文祥、吴常玉、曹孟娟、王丽红编写的《ARM Cortex-M3与Cortex-M4权威指南(第3版)》经过了全 新修订:增加了ARM Cortex—M4l处理器的信息;对 ARM cortex一M3处理器的讲解进行了*新;对于ARM Cortex—M3和ARM Cortex—M4进行了比较,方便其 他多种处理器架构移植到ARMCortex—M3和ARM cortex—M4。本版的其他修订细节如下: 新增了论述。DSP特性和CMSIS一DSP软件库的两 章内容,介绍了DSP的基础知识以及如何编写Cortex —M4 的DSP软件,其中包括使用CMSIS—DsP库的实例 以及cortex—M4的DsP陛能方面的知识。
新增了介绍cortex—M4浮点单元及其使用的一章 内容。
新增了介绍嵌入式操作系统的使用(基于CMSIs— RTOS)以及支持嵌入式操作系统的处理器特性的一章 内容。
多种调试技术以及疑难解答。
从其他处理器进行软件移植的内容。
此外,本书介绍了ARM架构的背景知识以及指令 集、中断处理等处理器特性,并描述了如何设置并利 用存储器保护单元(MPu)等可用的高级特性。书中论 述Keil MDK、IAR EWARM、gcc以及CooCoxCoIDE工具 入门的章节可以给初学者在编写程序代码方面提供一 些帮助,其中也包括一些重要的软件开发问题,比如 低功耗特性的使用、信息输入/输出的处理、汇编和 c语言的混合编程及其他高级技术话题。
4.1凸优化初步
概率论中,掌握各种分布的性质
了解指数族分布
引出充分统计量和广义线性模型GLM的概念
了解凸集和凸优化的一般过程和概念
机器学习培训课程讲义第一章(管窥机器学习)
在具体学习机器学习的过程中,往往是因为推导造成的障碍
了解基本的高等数学知识是必要的
机器学习比想象中要简单的多
举例:kNN用于分类、基本的聚类过程
了解机器学习中的相关基本概念和常用方法
初步掌握极大似然估计、梯度下降法的一般性计算套路
熟悉最小二乘法的目标函数建立和解决方案
了解期望最大化算法(EM算法)的思路
bat详细教程
这个教程也是我迄今为止见过的写得最好的 BAT 教程,为什么我这么讲:
1. 这个教程非常全面
2. 教程大量采用实例讲解,简单易懂
3. 作者很有心,在教程中间插入了许多有趣的东西,让大家学习过程当中不在感到枯燥 [ 不
过在这里为了方便大家收录,我给去掉了, SORRY 啊]
4. 教程写得很细。
5. 由于教程非常全面, 完成可以把它当作你学习的参考资料, 在遇到问题的时候在这里一般
都可以找到解决的方法。
在学习之前请作好心理准备,因为教程很长,不过大家也不要着急,一口是吃不成胖子的,
慢慢来!