会员
周边
新闻
博问
闪存
众包
赞助商
Chat2DB
所有博客
当前博客
我的博客
我的园子
账号设置
会员中心
简洁模式
...
退出登录
注册
登录
华小电
新随笔
管理
上一页
1
2
3
4
5
6
···
23
下一页
2025年6月27日
正态分布(Normal Distribution)
摘要: 1. 正态分布的定义 正态分布(Normal Distribution),又称为高斯分布(Gaussian Distribution) ,是一种在统计学和概率论中最重要的连续概率分布。它广泛应用于自然科学、社会科学、工程、金融等领域。 正态分布的概率密度函数(PDF)如下: \[f(x|\mu, \
阅读全文
posted @ 2025-06-27 05:31 华小电
阅读(3630)
评论(0)
推荐(0)
2025年6月25日
主成分分析PCA
摘要: import numpy as np # 数据集,一个二维数组,每一行代表一个样本,每一列代表一个特征 data = np.array([ [11.51, 529.83, 526.49, 93.00, 71.45, 208.25], [12.09, 526.70, 524.66, 92.03, 84
阅读全文
posted @ 2025-06-25 21:57 华小电
阅读(25)
评论(0)
推荐(0)
sklearn之StandardScaler
摘要: StandardScaler 是一种常用的数据标准化方法,用于将数据转换为均值为 0,标准差为 1 的标准正态分布。 但是,StandardScaler在计算过程中用的是 “总体标准差”,而不是“样本标准差” 总体标准差 \[\sigma = \sqrt{\frac{\sum_{i=1}^n (x_
阅读全文
posted @ 2025-06-25 10:40 华小电
阅读(365)
评论(0)
推荐(0)
2025年4月30日
在DataFrame中使用np.select
摘要: 在DataFrame中使用np.select可以根据不同条件对DataFrame的列进行赋值操作。 example:创建了一个包含学生姓名和成绩的DataFrame,接着定义了一系列条件以及对应的等级标签,最后借助np.select函数依据这些条件为每个学生添加了等级标签。 import panda
阅读全文
posted @ 2025-04-30 11:25 华小电
阅读(98)
评论(0)
推荐(0)
永中Office Linux版本提示授权到期
摘要: 删除文件夹~/.Yozo_Office/UserConfig 内iabddbbabbstart.sys iabddbbabbsys.ini 两个文件
阅读全文
posted @ 2025-04-30 10:35 华小电
阅读(174)
评论(0)
推荐(0)
2025年4月13日
微分环节的阶跃响应
摘要: from scipy.signal import lti, lsim # 微分环节的参数 T = 10 # 时间常数 # 创建惯性环节的传递函数 num = [T,0] den = [T, 1] system = lti(num, den) # 10s # # 10s+1 # 计算阶跃响应 t =
阅读全文
posted @ 2025-04-13 14:33 华小电
阅读(145)
评论(0)
推荐(0)
PID控制惯性环节的阶跃响应
摘要: class PID: def __init__(self, kp, ki, kd): self.kp = kp self.ki = ki self.kd = kd self.prev_error = 0 self.integral = 0 def update(self, setpoint, cur
阅读全文
posted @ 2025-04-13 13:34 华小电
阅读(60)
评论(0)
推荐(0)
2025年3月29日
二阶过阻尼系统阶跃响应公式推导
摘要: 对于二阶过阻尼系统,其传递函数通常可表示为两个一阶惯性环节的串联形式: \(G(s)=\dfrac{1}{(T_1s+1)(T_2s+1)}\qquad(T_1>T_2>0)\) 其中 $T_1 $和 \(T_2\) 为系统的时间常数。以下为阶跃响应公式的详细推导过程: 步骤1:写出系统的阶跃响应
阅读全文
posted @ 2025-03-29 15:11 华小电
阅读(461)
评论(0)
推荐(0)
计算传递函数
摘要: 计算一个传递函数,使其阶跃响应在 15秒达到稳态值的75%,30秒达到稳态值的90% 步骤1:选择系统模型结构 通常使用 一阶系统 或 二阶过阻尼系统 进行拟合,因两者均无超调且易解析计算。 推荐模型: \(G(s)=\dfrac{K}{(T_1s+1)(T_2s+1)}\)
阅读全文
posted @ 2025-03-29 15:10 华小电
阅读(187)
评论(0)
推荐(0)
2025年3月23日
对“归一化”后的部分数据进行“反归一化”
摘要: import numpy as np from sklearn.preprocessing import MinMaxScaler # 生成一个 10x5 的随机矩阵 matrix = np.random.rand(10, 5) # 创建 MinMaxScaler 对象 scaler = MinMa
阅读全文
posted @ 2025-03-23 21:24 华小电
阅读(62)
评论(0)
推荐(0)
上一页
1
2
3
4
5
6
···
23
下一页