文章目录


在这里插入图片描述

概述

虽然本人之前已经学习过了机器学习，但是对于深度学习没有系统的学习过，在深度学习的过程中，仍然有许多独特的优化和改进方法。鱼书是日本作家写的深度学习系列丛书，因此本系列，将发布本人在学习鱼书过程中的笔记和思考。

我将以学习天为笔记间隔发布，同时作为自己一天的学习总结和回顾。

目录

鱼书1：基于python的理论与实践
第一天

# 深度学习 # 人工智能
Logo
DAMO开发者矩阵

DAMO开发者矩阵，由阿里巴巴达摩院和中国互联网协会联合发起，致力于探讨最前沿的技术趋势与应用成果，搭建高质量的交流与分享平台，推动技术创新与产业应用链接，围绕“人工智能与新型计算”构建开放共享的开发者生态。

更多推荐

基于模型预测控制（MPC）与滚动时域估计（MHE）集成的目标点镇定研究（Matlab代码实现）

本文提出一种“模型预测控制（MPC）+ 滚动时域估计（MHE）”一体化框架，旨在解决在传感器和执行器双重噪声环境下，将移动机器人稳定到指定目标点 xs​ 的问题。与现有研究仅单独考虑状态或控制噪声、且将估计与控制分步求解的做法不同，本文创新性地把传感器噪声和执行器噪声同时纳入联合优化，实现了真正意义上的“估计–控制闭环”。采用多重打靶法将 MPC 问题转化为非线性规划（NLP），并利用 CASAD

avatar DAMO开发者矩阵

基于模型预测控制（MPC）与滚动时域估计（MHE）集成的目标点镇定研究（Matlab代码实现）

本文提出一种“模型预测控制（MPC）+ 滚动时域估计（MHE）”一体化框架，旨在解决在传感器和执行器双重噪声环境下，将移动机器人稳定到指定目标点 xs​ 的问题。与现有研究仅单独考虑状态或控制噪声、且将估计与控制分步求解的做法不同，本文创新性地把传感器噪声和执行器噪声同时纳入联合优化，实现了真正意义上的“估计–控制闭环”。采用多重打靶法将 MPC 问题转化为非线性规划（NLP），并利用 CASAD

avatar DAMO开发者矩阵

基于模型预测控制（MPC）与滚动时域估计（MHE）集成的目标点镇定研究（Matlab代码实现）

本文提出一种“模型预测控制（MPC）+ 滚动时域估计（MHE）”一体化框架，旨在解决在传感器和执行器双重噪声环境下，将移动机器人稳定到指定目标点 xs​ 的问题。与现有研究仅单独考虑状态或控制噪声、且将估计与控制分步求解的做法不同，本文创新性地把传感器噪声和执行器噪声同时纳入联合优化，实现了真正意义上的“估计–控制闭环”。采用多重打靶法将 MPC 问题转化为非线性规划（NLP），并利用 CASAD

avatar DAMO开发者矩阵