理论类
文章平均质量分 93
ningzian
这个作者很懒,什么都没留下…
展开
-
基于图像的无人机追踪1 - 卡尔曼估计、基于势场导数的追踪控制算法、airsim仿真
文章目录1. 简介2. airsim平台的搭建1. 简介这是一个初步的无人机追踪效果。具体工作是在airsim中仿真实现的,直接通过分割图来观测无人机的状态,然后通过卡尔曼来估计目标无人机的状态,最后通过追踪控制算法来控制无人机去追踪目标无人机。工作共分为:airsim平台搭建与设置分割图的读取,同时在分割图中识别目标无人机从分割图估计观测量(通过拟合的方法)线性卡尔曼公式推导控...原创 2019-11-10 14:29:44 · 3511 阅读 · 9 评论 -
有理数的戴德金分割
实数集RRR的戴德金分割定义: 将实数集RRR分为两个子集SSS和TTT,他们满足:S≠∅S\neq \varnothingS=∅,T≠∅T \neq \varnothingT=∅;R=S∪TR=S\cup TR=S∪T;∀x∈S,∀y∈T\forall x \in S,\forall y \in T∀x∈S,∀y∈T,总有x<yx<yx<y(称SSS为左集,T...原创 2019-11-02 15:31:29 · 5709 阅读 · 0 评论 -
证明:$(g\circ f = e_X)\Rightarrow(g是满射)\wedge(f是单射)$
(g∘f=eX)⇒(g是满射)∧(f是单射)(g\circ f = e_X)\Rightarrow(g是满射)\wedge(f是单射)(g∘f=eX)⇒(g是满射)∧(f是单射)假设:f:X→Yf:X \rightarrow Yf:X→Y, g:Y→Xg:Y\rightarrow Xg:Y→X,且g∘f=eX:X→Xg\circ f = e_X:X\rightarrow Xg∘f=eX:X...原创 2019-10-28 09:24:35 · 769 阅读 · 1 评论 -
罗素悖论
最近学习《数学分析》(卓里奇)第七版,看到了罗素悖论。根据康托尔的集合论:**定义:**对于集合MMM,设记号P(M)P(M)P(M)表示MMM不以本身为元素。考虑具有性质PPP的集合所组成的一类对象K={M∣P(M)}K=\{M|P(M)\}K={M∣P(M)}.则P{K}P\{K\}P{K}和非P{K}P\{K\}P{K}都不可能成立。如果P{K}P\{K\}P{K}为真,则说明集...原创 2019-10-27 18:38:18 · 1068 阅读 · 0 评论 -
如果A为假,则蕴含A->B恒为真
最近看卓里奇的数学分析,遇到这个问题,第一次看还真的不懂。知乎大神的解释真的通俗易懂。https://www.zhihu.com/question/345295530/answer/821969610解释如下:这个结论初看上去似乎有点反直觉,但事实上仍可得到理解。试想我们要进行一个推理或者论证,有效的论证形式是这样的:前提1:ppp -> qqq 真;前提2:ppp 真;结...原创 2019-10-25 22:47:07 · 2499 阅读 · 0 评论 -
论文笔记-vicsek模型讲解与仿真-Novel Type of Phase Transition in a System of Self-Driven Particles
文章目录vicsek模型仿真结果实验1:低密度、低噪声实验2:高密度、低噪声实验3:高密度、高噪声vicsek模型物理界探索速度一致性对协同的影响。agent运动学模型是:速度大小不变,仅改变速度方向xi(t+1)=xi(t)+vi(t)Δtx_i(t+1)=x_i(t)+v_i(t)\Delta txi(t+1)=xi(t)+vi(t)Δt拓扑模型是:半径r范围内的通信...原创 2019-09-11 19:08:24 · 6092 阅读 · 5 评论 -
强化学习第二章总结: e-greedy算法,梯度上升算法,the 10-armed bandit problem
学习强化学习《Reinforcement Learning An Introduction》,总结第二章的知识,包含一个问题,两个算法。问题:the 10-armed bandit problem算法:e-greedy、剃度上升仿真代码见附带资料:the 10-armed bandit problem1. 问题描述:the 10-armed bandit problem这是一个重复做选择...原创 2019-09-07 20:12:28 · 8124 阅读 · 0 评论 -
强化学习入门: the 10-armed bandit problem,e-greedy 算法
学习强化学习《Reinforcement Learning An Introduction》,2.3节,做了个Matlab的仿真。问题描述:the 10-armed bandit problem这是一个重复做选择的问题。一共有10个选择,重复选择1000次。每次选择都会有奖励,奖励是符合固定的正态分布的。所以做不同的选择,获得的奖励不同;每次做的选择,尽管选择相同,但奖励也不同。你的目的...原创 2019-09-06 10:45:49 · 1379 阅读 · 0 评论 -
论文笔记-分群控制-基于信息耦合度的自组织分群控制方法研究
文章目录概要信息传播机制个体间选择性交互作用信息在群内的层级式传播群集系统的分群运动机理3.4 基于信息耦合度的分群控制模型构建3.5 分群行为指标参数4.2 分群控制问题描述4.3 群集系统的分群控制策略4.4 基于信息耦合度的自组织分群控制算法总结一下算法?4.4.3 仿真实验概要信息传播机制显示信息传播:基于信号的,需要“调制”,必须有介质为载体。是个体有意识地向外部传递信息。常被...原创 2019-09-05 11:07:22 · 758 阅读 · 1 评论 -
最全最详细-线性规划(最小二乘、正交回归、梯度下降、仿真)
文章目录问题描述问题分析问题描述问题分析这是一个\textbf{线性拟合}或者\textbf{线性回归}问题,目的是在二维平面上,找到一条直线来拟合给出的点。线性拟合有很多方法,每个方法都有自己的目标函数,不同的情况下应该要使用相应的目标函数和相应的方法。每种方法都有其自己的适用范围和意义,每种方法也都有自己的优缺点。\section{解析解法}这个问题的复杂程度还不是很大,所以能够通...原创 2019-08-31 15:38:53 · 11368 阅读 · 4 评论 -
论文笔记-Optimized flocking of autonomous drones in confined environments
个人总结实例化无人机模型,包括现实中存在的很多不确定性因素(通信时延、惯性、传感器更新频率、通信距离、传感器噪声、外部噪声)使用类似于人工势场的算法,受力场来做的,包含:排斥力、速度一致、与障碍物的作用等,最后给出的是期望速度定义了6个评价函数,加权相加得出最终的评价函数。用进化算法去优化参数。进化算法为:协方差矩阵自适应进化策略(CMA-ES)仿真环境是一个正方形区域,可以添加静态障碍...原创 2019-07-24 17:44:53 · 3233 阅读 · 5 评论 -
论文笔记-Flocks, Herds, and Schools: A Distributed Behavioral Model
Flocks, Herds, and Schools: A Distributed Behavioral Model个人总结Reynolds是为了用计算机模拟一群鸟飞行的动画,而提出的算法。本文最大的贡献是分布式flock的三个准则。Our Foreflocks本文提出的一种力场控制的flock。力场是由3*3的矩阵定义的,是一种分布式的。The “animator” defines th...原创 2019-07-23 12:54:35 · 2903 阅读 · 1 评论 -
超立方体的子平面(m-face of n-cube)
这里的超立方体是n维立方体的意思,称为n-cube。例如:3维立方体就是一个盒子,2维立方体就是个正方形面,1维立方体就是一个长为1的线段,0维立方体是一个点。m-face是立方体的平面。例如:3维立方体的2维平面是它的6个表面。如何计算n-cube的m-face 呢?Em,n=2n−mn!m!(n−m)!\bm{E}_{m,n}=2^{n-m}\dfrac{n!}{m!(n-m)!}...原创 2019-06-04 10:54:15 · 1580 阅读 · 0 评论 -
5个例子-关于仿射集合、凸集合、锥的
我就用通俗的语言记录了。空集、单个点和整个Rn\bm{R}^nRn空间都是Rn\bm{R}^nRn的子仿射集合(affine subsets),因此也是凸的(convex);任何直线都是仿射的(affine)。同时如果这条直线经过原点,那么它就是一个线性子空间(subspace),因此也是一个凸锥(convex cone);一条直线的分割(segment)是凸的,但不是仿射的,除非缩减到一...原创 2019-05-28 10:04:54 · 1078 阅读 · 0 评论 -
仿射维度和相对内部
文章目录仿射包仿射维度相对内部例子总结凸优化中的一些知识。仿射包集合C\bm{C}C的仿射包表示为:aff C\bm{C}C.通俗理解,仿射包就是包含集合C\bm{C}C的最小的仿射集合。仿射维度将集合C\bm{C}C的仿射维度定义为其仿射包的维度。相对内部通俗理解:集合C\bm{C}C的相对内部,是其相对于其仿射包的内部。作为对比,可以说:集合CCC的内部是其相对于Rn\bm{...原创 2019-05-27 18:20:16 · 4751 阅读 · 5 评论 -
仿射集合与线性子空间的关系
文章目录仿射集合与线性子空间的关系线性子空间是必须经过原点的仿射集合不一定经过原点仿射集合减去自身的一个元素就可以变为线性子空间最近在学习凸优化,总结一些学到的知识。仿射集合与线性子空间的关系线性子空间是必须经过原点的我这里特意强调了是线性子空间,就是说子空间一定是线性的。其实在线性代数中,subspace就是指的线性子空间。线性子空间必须符合两个重要的定理:如果x1,x2∈Sx_1...原创 2019-05-27 18:08:46 · 2188 阅读 · 0 评论 -
线性回归2-正交回归(使用点到直线的距离公式)
文章目录另一种推导方法-点到直线的距离公式目标函数推导过程目标函数$\bm{J}_2$对$b$求导:目标函数$\bm{J}_2$对$a$求导:另一种推导方法-点到直线的距离公式从几何意义上理解正交回归,就是找一条直线,使得点到直线的距离平方之和最小。所以如果用点到直线的距离公式当做目标函数,最后拟合的结果应该与正交回归得出的结果相同。下面继续推导,做一下验证。目标函数同样假设直线方程为y=...原创 2019-05-19 19:49:31 · 4345 阅读 · 1 评论 -
线性拟合3-戴明回归
文章目录戴明回归目标函数求解结果验证正交回归附录:详细推导过程对$x_i^{\star}$求导:对$b$求导:对$a$求导:上一篇是用正交回归算法来拟合直线。本文将正交回归一般化,当原始点的横纵坐标都有噪声和误差,并且噪声不同时,就可以考虑在目标函数中假如权值。这样看起来就像是斜投影,所以也可以说是优化的斜距离。戴明回归正交方法考虑的是自变量xxx和因变量yyy有相同方差的情况。但是更一般的...原创 2019-05-19 19:14:19 · 5537 阅读 · 1 评论 -
线性拟合2-正交回归
文章目录正交回归目标函数求解推导结果整理几何意义上一篇文章使用最小二乘法来拟合直线,有一个重要的缺点就是仅考虑了因变量yyy存在误差的情况,但是很多情况下,原始点的横纵坐标都会有误差存在。正交回归正交方法能够同时考虑自变量xxx和因变量yyy的误差。正交回归将横纵坐标残差的平方和作为目标函数,来求得最优解。所以如果拟合点的横纵坐标都包含误差的情况下,使用正交回归能够得到更准确的结果。目标函...原创 2019-05-17 11:01:47 · 4912 阅读 · 3 评论 -
线性拟合1-最小二乘法
文章目录最小二乘法介绍目标函数求解推导几何意义缺点对异常值很敏感没有考虑自变量的误差存在不可求解的情况从简单的二维线性拟合入手。本文只解决一个问题:在二维平面中找到一条最合适的线,来拟合所有给出的点。因为这个问题的复杂程度还不是很大,所以能够通过数学的方法直接求出解析解的,本文主要介绍最小二乘算法。最小二乘法介绍最小二乘法是最常用的线性回归解法,它通过最小化误差的平方和来寻找数据的最佳函数匹...原创 2019-05-16 20:44:46 · 7383 阅读 · 0 评论 -
惯导3-卡尔曼滤波的理解
有关卡尔曼滤波的文章非常多,我在这里就只写写学习卡尔曼滤波器的时候遇到的坑。什么是滤波器所谓滤波就是从混合在一起的诸多信号中提取出所需要的信号。所谓估计就是根据测量得出的与状态X(t)X(t)X(t)有关的数据Z(t)=HX(t)+V(t)Z(t)=HX(t)+V(t)Z(t)=HX(t)+V(t)解算出X(t)X(t)X(t)的值。估计的方法有很多,但每个方法都有一个准则。例如最小二乘估计...原创 2019-01-29 11:56:07 · 3363 阅读 · 0 评论 -
惯导2-比力方程
搞懂了哥氏定理之后,理解比例方程就非常简单了。按我自己的理解,比例方程就是求飞机相对于地球的速度,也就是VeV_eVe的微分方程,只不过是在不同坐标系下的表现。其中VeV_eVe表示的是飞机在地球坐标系下的速度,eee表示地球坐标系。文中说的“力学编排”、“机械编排”等,都指的是比例方程。地球坐标系上看(惯性坐标系力学编排)这个比较简单,直接写出结果:V˙ei=fi+gi−ωie...原创 2019-01-29 11:50:50 · 3761 阅读 · 2 评论 -
惯导1-哥氏定理理解
文章目录1. 定义2. 自己的理解2.1 哥氏定理中的速度方程2.2 格式定理中的加速度方程参考:惯导学习中遇到了很多很多次的哥氏定理,抓住这次机会,好好学一学。1. 定义哥氏定理,又被称为科里奥利定理,常常用于坐标系之间的速度、加速度转换。很简单它就是不同坐标系之间速度和加速度的变换定理。更深入的了解请看科里奥利力、科里奥利力原理。2. 自己的理解写一下核心的知识点,便于自己以后回...原创 2019-01-29 11:37:36 · 13564 阅读 · 2 评论 -
最基本矩阵求导公式
文章目录1. 矩阵求导法则1.1 标量求导1.2 向量求导1.3矩阵求导1. 矩阵求导法则矩阵的求导分为:标量求导、向量求导、矩阵求导三个方面。1.1 标量求导矩阵和向量对标量求导,只需矩阵中的每个量都对标量进行求导,这个很好理解。标量对矩阵的向量求导,也是同样的,等价于标量对矩阵的每个分量进行求导,并且保持维数不变。举例。设yyy为一个标量,xT=[x1x2⋯xn]x^T=[x_...原创 2019-01-28 15:17:46 · 3234 阅读 · 0 评论 -
最小二乘的应用1-不相容方程组
1.1 不相容方程组先解释一下什么是不相容方程组。当线性矩阵与其增广矩阵不等秩时,且系数矩阵的秩小于曾广矩阵的秩时,系数矩阵不相容。比如线性方程组Ax=bAx=bAx=b,AAA是系数矩阵,[A∣b][A|b][A∣b]是增广矩阵,当AAA的秩小于[A∣b][A|b][A∣b]的秩不时,AAA就称为不相容系数矩阵,Ax=bAx=bAx=b就称为不相容方程组。明显可以可以看出:不相容方程组没有非零...原创 2019-01-25 15:56:13 · 4343 阅读 · 2 评论 -
PID-概念总结、位置型增量型PID对比、C++代码实现
学了这么多年的PID,总结一下,准备面试。1. 公式u(t)=Kpe(t)+Ki∫0te(t)dt+Kdde(t)dt u(t)=K_p e(t) + K_i \int_0^te(t)dt + K_d \frac{de(t)}{dt} u(t)=Kpe(t)+Ki∫0te(t)dt+Kddtde(t)2. 意义比例环节 的作用是对偏差瞬间做出快速相应。偏差一旦产生,控制器立...原创 2019-01-24 10:05:20 · 2181 阅读 · 1 评论 -
基于退火算法的启发式下料问题(C++)
模拟退火算法心得原创 2016-04-29 15:58:29 · 3296 阅读 · 0 评论