自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(12)
  • 收藏
  • 关注

原创 数学建模(7)动态规划以及matlab实现

数学建模(7)动态规划概念运筹学分支,求解多阶段决策过程最优化问题的数学方法思路将复杂的多阶段决策问题分解为一系列的简单,离散的单阶段决策问题,顺序求解法在考虑本阶段最优的情况下兼顾整体最优的解决方法主要处理离散连续型问题特点没有特定的算法,需要具体问题具体分析无后效性马尔科夫性,系统从某个阶段后的发展仅与本阶段所处的状态和以后的决策所做的决策所决定,与之前的状态无关。具体问题企业...

2019-08-22 17:47:44 37437 13

原创 误差分析与模型检验

误差分析与模型检验误差,稳定性,检验,敏感性误差分析1.理论分析理论分析的原理其实来自于高等数学中的一个概念:显然这个式子具有普遍性,则也存在:而对于误差分析为了保证可比性,通常进行变形处理在加上绝对值,使其变为相对误差即可得到一元函数的相对误差分析结果而对于二元函数主要利用全微分理论知识同时对于得到的结果而言因变量的系数越大,就越能够认为该因子是模型的中重要影响因子,即...

2019-08-22 11:50:34 17122

原创 最小生成树(Kruskal算法和Prim算法)

最小生成树(Kruskal算法和Prim算法)Kruskal算法加边法,初始的最小生成树边数为0,每一次迭代选择一条满足条件的最小代价边,最终将连接的所有树相连接,加入最小生成树边集合1.把图中的所有边的权重(代价)从小到大排序;2.把图中的n个定点看做独立的n棵独立的树;3.按权重从小到大选择边,两个顶点应当所属于两颗不同的树,则生成最小生成树的一条边,将两棵树合并为一棵4.重复该过...

2019-08-10 19:18:42 545

原创 Dijkstra算法与matlab结果解读

Dijkstra算法

2019-08-10 16:29:25 1278

原创 阿波罗卫星运转轨迹MATLAB作图

阿波罗卫星运转轨迹MATLAB作图题目代码如下.m文件代码:%下面是.m文件的程序,该文件需要以appollo命名function dx=appollo(t,x)mu=1/82.45;fai=1-mu;r1=sqrt((x(1)+mu)^2+x(3)^2);r2=sqrt((x(1)-fai)^2+x(3)^2);dx=[x(2)2*x(4)+x(1)-fai*(x(...

2019-08-08 23:15:05 9324 9

原创 数学建模(6)图论

数学建模(6)图论查阅参考论文,核心期刊论文及以上。下载查阅论文时,首先看摘要筛选文章:研究目标,使用方法,解决的问题,得到的结果图论概念图定点与边组成的集合G=(V(G),E(G))V(G)定点集合E(G)边的集合有向图边均为有序偶对,即每一条边都有确定的方向和指向,有头有尾无向图边均为无序偶对,即每一条边都没有方向和指向混合图既有有向边也有无向边的图关联边和它两端...

2019-08-07 16:33:49 1886

原创 11年国赛A题土壤中重金属分布的二维与三维分布图_matlab插值

11年国赛A题土壤中重金属的二维与三维分布图_matlab插值三维作图A=xlsread('二维','sheet1'); %读取excel文件中代表该类元素的列向量x1=0:180:28654;y1=0:120:18449;x=A(:,1); %读取x坐标值列向量y=A(:,2); %读取y坐标值列向量z=A(:,4); %读取文件中代表该类元素的浓度列向量[...

2019-08-06 19:53:21 1851

原创 数学建模(5.5)利用matlab求解微分方程问题

数学建模(5.5)利用matlab求解微分方程问题解析解:dsolveMATLAB求解微分方程解析解的命令是dsolve调用格式:dsolve('eq1','eq2',...,'cond1','cond2',...,'v'),%其中eq1、eq2、...为输入方程(组)%cond1、cond2、...为初始条件%b表示求导变量,省略时系统默认为t%Dy表示关于y关于自变量的一阶导...

2019-08-06 18:29:10 2951

原创 数学建模(5)微分方程的建立与求解

数学建模(5)微分方程的建立与求解常与优化问题相结合可以用微分方程建模的情况:涉及改变、变化、增加、衰变、边际、追赶的问题考虑变化率的问题一般形式分为隐式和显式基本思想一定要有背景利用数学物理力学等学科中的定理或实验规律建立微分方程微元法:利用已知定理与规律寻找与微元之间的关系式,对象是微元而不是函数与导数步骤:1.微元法建立微分方程2.确定定解条件(初边值条件)03....

2019-08-06 17:15:52 5464

原创 数学建模——lingo实现多目标规划

数学建模——lingo实现多目标规划

2019-08-03 18:20:24 36961 1

原创 数学建模(3.9)多目标规划

数学建模(3.9)多目标规划理解多目标规划跟一般的规划问题有所不同,多目标规划通常是要求学生做出满足各个优先度要求的最佳抉择。衡量出尽量满足所有需求而得出使得目标最优(如收益最大)的方案。由于多目标规划跟线性规划完全不同,因此在此需要使用全新的解法。正负偏差为了将约束条件转换为等式,使得转换变成对偏差量的求解。在此引入d1,d1_,分别代表正负偏差变量。d1=max{ fn-dn , ...

2019-08-03 18:20:10 20842 8

原创 数学建模(4)matlab/spss实现多元线性回归

数学建模学习笔记(4)统计问题–回归分析_matlab实现统计工具箱:最小二乘法b = regress(Y,X)其中Y,X为数组矩阵,b为回归系数估计值·[b,bint,r,rint,stats] = regress(Y,X,alpha)Y,X同上,alpha为显著性水平,默认值为0.05b,bint为回归系数估计值和其置信区间r,rint为残差与其置信区间,stats是用于...

2019-08-03 16:51:59 2120

mobilesam预处理onnx模型

用于mobilesam的C++部署 MobileNet是一个轻量级的深度神经网络模型,特别设计用于移动和嵌入式设备。而ONNX是一个开放的神经网络模型交换格式,可以让不同的深度学习框架之间共享模型,实现模型的跨平台部署。MobileNet的预处理一般指将输入图像进行归一化、尺寸调整等操作,以便输入到模型中进行推理。在使用MobileNet模型时,通常需要对输入图像进行预处理,然后再将预处理后的图像输入到模型中进行推理。 运行轻量级模型: MobileNet是一种轻量级的深度神经网络模型,具有较少的参数和计算量,适用于移动和嵌入式设备。这意味着在这些资源受限的环境下,可以更高效地进行推理。 跨平台部署: 使用ONNX格式将MobileNet模型导出后,可以轻松地在不同的深度学习框架之间进行共享和部署。这使得在不同的平台上,如移动设备、服务器端等,都可以方便地使用MobileNet模型进行推理。 开放标准: ONNX是一个开放的神经网络模型交换格式,得到了业界广泛的支持。这意味着可以通过ONNX格式与其他框架(如TensorFlow、PyTorch等)进行互操作,促进了模型的开发和部署的

2024-05-31

mobileSAM onnx模型

将MobileSAM模型导出为ONNX格式可以带来一些优势和用途: 跨平台部署: ONNX是一种开放式的跨平台模型表示格式,支持多种深度学习框架。通过将MobileSAM模型导出为ONNX格式,你可以在不同的深度学习框架中加载和运行该模型,从而实现跨平台部署。 移动端部署: ONNX格式的模型可以在移动设备上进行部署,包括智能手机、平板电脑等。MobileSAM模型本身就是设计用于移动设备的轻量级模型,将其导出为ONNX格式可以更轻松地集成到移动应用程序中。 模型优化: 导出为ONNX格式后,你可以使用ONNX提供的工具对模型进行优化和微调,以提高模型的性能和效率。例如,你可以使用ONNX Runtime来运行和推理ONNX格式的模型,它提供了针对移动设备和嵌入式系统的优化。 模型转换和集成: 有时候,你可能需要将MobileSAM模型与其他模型进行集成或转换为其他格式。通过首先将其导出为ONNX格式,可以更容易地与其他模型进行整合,并且可以利用ONNX的丰富工具生态系统进行后续处理和转换。

2024-05-31

【基于非线性优化的高精度手眼标定代码matlab(后续可能有C++的也可能没有)】

经过实验测量以y轴精度进行验证,整机验证进行六次采集,平均精度误差为0.361mm 原始的标定精度在6mm左右,虽然听起来是非常微小的偏差,但是由于研究方向对精度要求极高。且在运动过程中,深度信息误差、畸变误差、机械误差、坐标系转换等一系列误差累积环节,将导致误差放大,因此远不能达到要求。 使用规划和智能算法对相机进行标定具有比较强的优势在于,不管是非线性规划的方法还是粒子群/遗传等智能方法的计算目标函数可以将旋转矩阵与位移矩阵一起进行计算,这种计算方法也被称之为一步法,对比传统的Tsai手眼标定的两步法可以有效避免旋转矩阵和位移矩阵计算的误差积累。当然缺点是非常不好进行编程实现,且一旦编程出现错误极有可能误差巨大,而且数学要求较高,需要一定的数学基础。

2023-07-13

pytorch实现minist手写数据集训练

使用torchvision.datasets模块加载MNIST数据集,并进行必要的数据预处理,如图像转换、标准化等。 使用卷积神经网络(CNN)以提取图像中的特征,并进行训练。可以自行尝试不同的模型架构,添加或调整层、增加参数等,以提升性能。 选择叉熵损失函数(CrossEntropyLoss),用于度量模型输出与实际标签之间的差异。 选择随机梯度下降优化器(SGD)用于更新模型的参数。 训练过程定义训练循环次数epoch,遍历训练数据集并向前传播、计算损失、反向传播、更新参数使用批量训练(mini-batch)来加速训练过程,同时监控训练集上的准确率和损失函数值。

2023-06-06

一款非常好用的强力删除软件

可一键删除软件的注册信息,可以用于sw等注册信息复杂软件的重装,以及各类流氓软件的卸载

2023-06-06

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除