PS：笔者强烈建议诸位注册一个EETOP的账号，每天签到或者发贴、回贴就有积分了，里面的资源非常丰富，各种软件、资料都能找到。 一、入门首先要掌握HDL（HDL=verilog+VHDL）。 第一句话是：还没学数电的先学数电。然后你可以选择verilog或者VHDL，有C语言基础的，建议选择VHDL。因为v
前言生活若没有目标，简直槽糕的一塌糊涂！学习，贵在坚持！本文是导航目录，以记录自己的FPGA学习之路。或许我的一些博文在题目/内容等方面与网上的千篇一律，但整理一遍，对于我自己相当于学习笔记/加深进一步理解。由于是记录学习成长之路，部分博文观点可能不对/深度可能不够，望理解！随着工作经验的提升，以后会对博文逐步更新。主要内容包括：FPGA学习方向、设计规范、常用通信接口类为主。每章节内容，后期空闲
一、电子设计系统的面积优化与速度优化1、资源优化： ①资源共享：针对数据通路中耗费逻辑资源较多的模块，通过选择、复用的方式共享使用该模块，达到减少资源使用、优化面积的目的； ②逻辑优化：使用优化后的逻辑进行设计，可以明显减少资源的占用； ③串行化：将原来耗用资源巨大、单时钟周期内完成的并行执行的逻辑块分割开，提取出相同的逻辑模块（一般为组合逻辑块），在时间上利用该逻辑模块，用多个时钟周期完成相同的
1&sn=ed3882e91fccd92d47573de5a97e96c4&a...
原创
2023-06-23 10:54:34
205阅读
全状态反馈控制系统状态反馈控制器 通过选择K，可以改变的特征值，进而控制系统表现。LQR控制器最优控制，其本质就是让系统以某种最小的代价来让系统运行，当这个代价被定义为二次泛函，且系统是线性的话，那么这个问题就称为线性二次问题，设计的控制器（即问题的解）可以称为LQR（Linear Quadratic Regulator）线性二次调节器。1、连续时
基于matlab的数据图像增强处理研究应用 基于 MATLAB 的数据图像增强处 理研究应用 实验课程名称 数字图像处理及应用 2016 年06月30日目录 摘要.2 第一章 绪论 3 1.1.MATLAB 基本知识介绍 3 1.2.图像增强技术概述 .4 第二章基于 MATLAB 的图像增强处理5 2.1 空域处理法 .5 2.1.1 灰度直方图 6 2.1.2 直方图均衡化 6 2.2空域滤波
尽管大部分应用中都将PID算法作为闭环过程控制的事实标准，但对于如何优化PID回路以达到最优性能的方法，人们仍然没有达成共识。在工业自动化行业，尽管大部分人将比例- 积分- 微分 (PID) 算法作为闭环过程控制的事实标准，但优化PID 回路以达到最优性能的最佳方法，仍然没有达成共识。这些实践在概念上很简单：选择用于定义总体控制量的比例、积分和微分的相对大小的增益、速率和重置参数。在实践中，回路整
马尔可夫决策过程 MDP 基于模型的动态规划方法（Model-Based，DP）策略搜索策略迭代值迭代无模型的强化学习方法（Model-Free）蒙特卡洛方法（MC）：效率不高，但是能够展现 model-free 类算法的特性；时序差分方法（TD，Important）：直接从 episode 学习，不需要了解模型本身，即 model-free；可以学习不完整的 episode，通过自身的引导（bo
rosrun robot_sim_demo robot_keyboard_teleop.py出错yhs@yhs-CN15S:~/tutorial_ws$ rosrun robot_sim_demo robot_keyboard_teleop.py
[rospack] Error: package 'robot_sim_demo' not found解决：source ~/tutoria
搜集了各大网络，请教了SLAM大神，终于把SLAM的入门资料搜集全了！在分享资料前，我们先来看看，SLAM技术入门前需要具备哪些知识？首先学习SLAM需要会C和C++，网上很多代码还用了11标准的C++。第二要学会用Linux。第三要会cmake，vim/emacs及一些编程工具。第四要会用openCV, PCL, Eigen等第三方库。只有学会了这些东西，才能真正上手编一个SLAM系统。如果要跑
分享一本由Alekh Agarwal、Nan Jiang和Sham M. Kakade编写的新书，《强化学习：算法与理论》。本书11月最新release出来的讲解强化学习的书籍，目前还在持续更新中，最新版本刚刚放出来，分享给大家。 文末附本书pdf最新版下载地址。 &nb
原创
2022-11-30 14:52:12
72阅读
文章目录前言什么是强化学习以直观的方式理解AI的含义和内容监督学习非监督学习强化学习强化学
原创
2022-06-27 16:02:52
493阅读
文章目录1 前言2 正文1.1 强化学习定义1.2 马尔可夫决策过程1.3 强化学习的目标函数1.3.1 总回报1.3.1 目标函数1.4 值函数1.4.1 状态值函数1.4.2 状态-动作值函数14.3 值函数的作用1.5 强化学习的分类1.5.1 按任务分类1.5.2按算法分类3 总结1 前言监督学习可用于回归，分类等任务，这一般都需要一定数量的带标签的数据。然而，在很多的应用场景中，通过人工标注的方式来给数据打标签的方式往往行不通。比如我们通过监督学习来训练一个模型可以来自动下围棋，就需要将当前
原创
2021-06-21 15:33:36
4111阅读
点赞
1评论
在什么情况下将连续的特征离散化之后可以获得更好的效果？工业界中很少直接将连续值作为逻辑回归模型的特征输入，而是将连续特征离散化为一系列0、1特征，这样做的优点可以归纳为以下几点：1. 特征鲁棒性更强离散化后的特征对异常值有很强的鲁棒性。
比如对于一个连续特征：年龄，如果直接将其作为特征，一个异常数据“年龄300岁”会给模型造成很大的干扰；如果离散为年龄>30为1，否则0。离散化后年龄300岁
分享一本由Alekh Agarwal、Nan Jiang和Sham M. Kakade编写的新书，《强化学习：算法与理论》。本书11月最新release出来的讲解强化学习的书籍，目前还在持续更新中，最新版本刚刚放出来，分享给大家。 文末附本书pdf最新版下载地址。 &nb
原创
2022-12-01 09:10:02
85阅读
在金融行业里，大家对于系统稳定运行比精准运行，更迫切的需求。这也是为什么位于国内四大行之首的工商银行，后台业务系统还是多年没升级。原因之一是考虑到系统需要稳定运行。在风险管理上，对于稳定性的监控也十分重要，在这之上才会考虑风险的精准识别，以及差异化客群风险定价。衡量稳定度的量化指标有很多，其中最好用也最容易理解的是PSI指标。01、PSI指标是什么？PSI是Population Stability
强化学习强化学习强化学习Python 还能实现哪些 AI 游戏？附上代码一起来一把！
原创
2021-08-02 14:21:53
872阅读
什么是模拟学习有很多开发者都咨询过这个问题，甚至还会追问“模仿学习与强化学习的区别是什么？”Alexandre Attia和Sharone Dayan在今年1月发表的《模仿学习全面概述》中，做出了定义：模仿学习是学习者尝试模仿专家行为，从而获取最佳性能的一系列任务。这里的“学习者”相应在Unity ML-Agents中就是Agent（代理）。这篇论文中，对于现今比较流行的一些模仿学习算法进行了回
摘要本文综述了迁移学习在强化学习问题设置中的应用。RL已经成为序列决策问题的关键的解决方案。随着RL在各个领域的快速发展。包括机器人技术和游戏，迁移学习是通过利用和迁移外部专业知识来促进学习过程来帮助RL的一项重要技术。在这篇综述中，我们回顾了在RL领域中迁移学习的中心问题，提供了一个最先进技术的系统分类。我们分析他们的目标，方法，应用，以及在RL框架下这些迁移学习技术将是可接近的。本文从RL的角
这本书的目的旨在整理不确定性条件下，决策判断相关的一系列知识及结果
原创
2023-06-23 10:39:32
88阅读
