摘要：
今天配置pytorch环境，踩的坑记录一下： conda install 和 pip install 区别： 1、安装的版本可能不同，一般pip版本较新，conda版本老一些；【如果需要新版本的包，那么conda安装的包就几几了】； 2、安装后在不同位置，并且pip安装的包conda uninsta 阅读全文
摘要：
这个是第二次遇到这个问题了，又搞了两个多小时才找到原因，哭......，自己记录一下，下次长个记性，也给遇到同样问题的小伙伴提供一个思路。 本人电脑联想笔记本，找准问题一分钟就解决了【/摊手】，方法： 更新BIOS驱动 就是这么简单。。。。。，看网上各种方法也试了，没用。我想这可能和软件更新有关，例 阅读全文
摘要：
概率论一直学不明白，或者似懂非懂，感觉没有抓住要害..... 概率论回忆起来是研究各种分布函数【离散】、概率密度函数的一门学科，他们有一个共同点，累加/积分等于1，这符合关于概率的直观理解； 统计学主要研究实际问题，基于采样数据去做分析，这就需要概率论的相关知识。这就联系到了一类知识，基于数据如何估 阅读全文
摘要：
注意 输入【step】不代表传递函数输入【力】，表示期望控制曲线；PID输出为传递函数输入【力】，即表示系统的输入力【被控量】。 这样就实现了系统输出跟踪期望输入【step】。 阅读全文
摘要：
swarm robotics, every robot mast can feel the environment,and do some optimize it; 阅读全文
摘要：
思路：线搜索最优化算法，一般是先确定迭代方向（下降方向），然后确定迭代步长； 信赖域方法直接求得迭代位移； 算法分析 第$k$次迭代，确定迭代位移的问题为(信赖域子问题)： \(min q_k(d)=g_k^Td+\frac{1}{2}d^TB_kd_k\) \(s.t.\quad ||d||\le 阅读全文
摘要：
特点 相较于： 最优化算法3【拟牛顿法1】 BFGS算法使用秩二矩阵校正hesse矩阵的近似矩阵$B$,即： \(B_{k+1}=B_k+\alpha\mu_k\mu_k^T+\beta\nu_k\nu_k^T\) 算法分析 将函数在$x_{k+1}$处二阶展开： \(f(x)=f(x_{k+1}) 阅读全文
摘要：
牛顿法存在的问题 计算量大，每次都需要计算HESSE矩阵，对于自变量维数较高的优化函数，计算量是相当大的； HESSE矩阵可能存在不正定的问题，此时求得的迭代方向可能不是下降方向； 为了解决上述问题，需要求HESSE矩阵近似矩阵$B$ 算法分析 将函数在$x_{k+1}$处二阶展开： \(f(x)= 阅读全文
摘要：
特点：具有超线性收敛速度，只需要计算梯度，避免计算二阶导数 算法步骤 \(step0:\) 给定初始值$x_0$,容许误差$\epsilon$ \(step1:\) 计算梯度$g_k=\nabla f(x_k)$,if \(norm(g_k)<=\epsilon\)， \(break;\) 输出当前 阅读全文
摘要：
牛顿算法 对于优化函数$f(x)$,\(x=(x_1;x_2;...;x_n)\),二阶连续可导 在$x_k$处泰勒展开，取前三项，即对于优化函数二阶拟合 \(f(x)=f(x_k)+g_k(x-x_k)+\frac{1}{2}(x-x_k)G_k(x-x_k)\) 其中$g_k=\nabla f( 阅读全文