Libra爱吃鱼_个人页

2023年01月

• 01.14 17:28:59
  发表了文章 2023-01-14 17:28:59

  【读书笔记】无人机控制（6）

  本部分将介绍多架小型无人直升机编队飞行控制，作为 UAV 高级控制的一个示例。自主编队飞行控制系统设计为“领导者--跟随”模型。为了在系统约束下获得良好的控制性能，将“模型预测控制”应用于随动直升机的平动位置控制。在实时最优控制计算中，考虑了运动范围和避碰等位置约束。为了实现对干扰的鲁棒性，使用最小阶干扰观测器来估计不可测量的状态变量和干扰。
• 01.14 17:28:03
  发表了文章 2023-01-14 17:28:03

  【读书笔记】无人机控制（5）

  该部分介绍为 UAV 设计非线性飞行控制器的主要步骤。该控制系统基于旋翼 UVA 的非线性模型，采用内外环控制方案，考虑了系统的非线性和耦合性，设计了一种易于实现和调试的实用控制器。利用级联系统理论证明了**完全闭环系统的渐近稳定性**。

  
• 01.14 17:25:29
  发表了文章 2023-01-14 17:25:29

  【High 翻天】Higer-order Networks with Battiston Federico （8）

  在本节将讨论一些观点和文化动力学模型，它们基于物理和数学文献启发、用简单规则来描述社会动态。

  
• 01.13 14:41:53
  发表了文章 2023-01-13 14:41:53

  【读书笔记】无人机控制（4）

  QTW-UAV可实现垂直起降；此外，直升机特有的悬停飞行和固定翼飞机特有的高速巡航可以通过倾斜机构改变旋翼和机翼的角度来实现。首先，利用辨识方法建立了 QTW-UAV 的姿态模型。然后采用基于卡尔曼滤波的线性二次积分 (LQI) 控制方法设计姿态控制系统；实验结果表明，基于模型的控制设计对于 QTW-UAV 的自主控制非常有效

  
• 01.13 14:37:43
  发表了文章 2023-01-13 14:37:43

  【读书笔记】无人机控制（3）

  与单旋翼或对旋螺旋桨小型直升机相比，四旋翼微型飞行器的优势在于：它们具有更大的有效载荷，它们更强大，更容易处理风等湍流，并且更容易使用紧凑的机身进行设计。**四旋翼微型飞行器的一个关键特征是，机身的所有自由度都是通过调节四个电机的转速来控制的**。此外，由于其内部控制器通过使用陀螺传感器计算角速度反馈，机身的非线性变弱，线性模型更合适。
• 01.13 14:36:29
  发表了文章 2023-01-13 14:36:29

  【读书笔记】无人机控制（2）

  长期以来，直升机执行着诸如人员运输、货物运输、信息传输与监测等任务。在将这些任务转移到无人机的过程中，从数学建模的角度来看，无人直升机是一个过渡性技术。
• 01.13 14:35:18
  发表了文章 2023-01-13 14:35:18

  【读书笔记】无人机控制（1）

  在复杂和危险环境中，无人机在空中监视、侦察和检查时具有重大优势。low downside risk 和 higher confidence in mission success 是扩展无人机使用场景的两个强大动力。此外，许多其他技术、经济和政治因素鼓励了无人机的开发和运营。
• 01.12 22:13:33
  发表了文章 2023-01-12 22:13:33

  【High 翻天】Higer-order Networks with Battiston Federico （7）

  模拟人类行为的动态过程一直是许多研究的焦点，其中社会关系和交互通常被认为是一种潜在结构，是高阶方法的天然试验场。

  
• 01.09 22:08:04
  发表了文章 2023-01-09 22:08:04

  【High 翻天】Higer-order Networks with Battiston Federico （6）

  同步是两个或两个以上耦合动力系统的出现顺序，常见于物理、生物和社会系统中。在网络同步中，图的每个节点都是一个动态系统，它的动态通过成对的相互作用受到相邻节点的影响。当相互作用使所有或宏观部分的扰动达到相干状态时，同步就发生了。
• 01.05 20:49:15
  发表了文章 2023-01-05 20:49:15

  【High 翻天】Higer-order Networks with Battiston Federico （5）

  在给出建模之后，接下来讨论如何将传统意义下的扩散拓展到高阶系统。扩散是一个线性过程，但在许多不同的情况下都有强相关性。

  

2022年12月

• 12.31 17:43:58
  发表了文章 2022-12-31 17:43:58

  【High 翻天】Higer-order Networks with Battiston Federico （4）

  模型的目的是再现、解释和预测系统的结构，最好用涉及系统两个或多个元素的交互来描述。为了考虑其输出的可变性，这些模型通常被指定为随机规则的集合，即随机过程。

  
• 12.31 14:14:59
  发表了文章 2022-12-31 14:14:59

  【读书笔记】Algorithms for Decision Making（14）

  本部分将简单游戏扩展到具有多个状态的连续上下文。马尔可夫博弈可以看作是多个具有自己奖励函数的智能体的马尔可夫决策过程。

  
• 12.31 14:13:54
  发表了文章 2022-12-31 14:13:54

  【读书笔记】Algorithms for Decision Making（13）

  本部分将简单游戏扩展到具有多个状态的连续上下文。马尔可夫博弈可以看作是多个具有自己奖励函数的智能体的马尔可夫决策过程。
• 12.31 14:12:41
  发表了文章 2022-12-31 14:12:41

  【读书笔记】Algorithms for Decision Making（12）

  现将单智能体的核心概念扩展到多智能体系统的问题。在该系统中，可将其他智能体建模为潜在的盟友或对手，并随着时间的推移进行相应的调整。
• 12.31 14:11:40
  发表了文章 2022-12-31 14:11:40

  【读书笔记】Algorithms for Decision Making（11）

  在有限维场景中，POMDP问题的精确解也经常很难计算。因而，考虑求得近似解的方法是合理的。本部分从离线近似解讨论到在线近似解，是近似方法的常规逻辑思路。
• 12.31 14:10:41
  发表了文章 2022-12-31 14:10:41

  【读书笔记】Algorithms for Decision Making（10）

  在这一部分将不确定性扩展到状态。具体讲，接收到的观测值与状态只有概率关系，而不是精确地观察状态。此类问题可以建模为部分可观察的马尔可夫决策过程（POMDP），但POMDP很难以最佳方式解决所有问题，因而需要引入更多的近似策略。
• 12.31 14:09:44
  发表了文章 2022-12-31 14:09:44

  【读书笔记】Algorithms for Decision Making（9）

  与基于模型的方法相比，无模型方法不需要构建转移函数和奖励函数的显性表示，而是直接作用于值函数建模。进一步地，考虑模拟学习来重建奖励函数。

  
• 12.31 14:08:46
  发表了文章 2022-12-31 14:08:46

  【读书笔记】Algorithms for Decision Making（8）

  解决存在模型不确定性的此类问题是强化学习领域的主题，这是这部分的重点。解决模型不确定性的几个挑战：首先，智能体必须仔细平衡环境探索和利用通过经验获得的知识。第二，在做出重要决策后很长时间内，可能会收到奖励，因此必须将以后奖励的学分分配给以前的决策。第三，智能体必须从有限的经验中进行概括。

  
• 12.31 14:07:20
  发表了文章 2022-12-31 14:07:20

  【读书笔记】Algorithms for Decision Making（7）

  策略搜索即搜索策略空间，而无需直接计算值函数。策略空间的维数通常低于状态空间，并且通常可以更有效地搜索。本部分首先讨论在初始状态分布下估计策略价值的方法。然后讨论不使用策略梯度估计的搜索方法和策略梯度方法。接着介绍Actor-Critic方法用值函数的估计来指导优化。
• 12.31 14:05:55
  发表了文章 2022-12-31 14:05:55

  【读书笔记】Algorithms for Decision Making（6）

  对于较大状态空间的问题，计算精确解需要极大的内存量，因而考虑近似解的方法。常使用approximate dynamic programming的方法去寻求近似解，进而使用在线方法实现实时计算。

  
• 12.31 14:04:30
  发表了文章 2022-12-31 14:04:30

  【读书笔记】Algorithms for Decision Making（5）

  此前讲述了在某个时间点做一个单一的决定的问题，但许多重要的问题需要做出一系列的决定。序列环境中的最佳决策需要对未来行动和观察序列进行推理。
• 12.31 14:02:58
  发表了文章 2022-12-31 14:02:58

  【读书笔记】Algorithms for Decision Making（4）

  本部分讨论从数据学习或拟合模型参数的问题，进一步讨论了从数据中学习模型结构的方法，最后对决策理论进行了简单的概述。

  
• 12.31 14:01:13
  发表了文章 2022-12-31 14:01:13

  【读书笔记】Algorithms for Decision Making（3）

  上一部分给出了概率分布的表示论。本部分将展示如何使用概率表示进行推理，即确定一组给定观察变量相关值的一个或多个未观察变量的分布。在该部分中首先介绍直接推断的办法，然后给出几种有效的近似方法。
• 12.31 13:59:32
  发表了文章 2022-12-31 13:59:32

  【读书笔记】Algorithms for Decision Making（2）

  理性决策需要对不确定性和目标进行推理。不确定性源于预测未来事件能力的实际及理论限制。为了实现其目标，一个强有力的决策系统必须考虑到当前世界状况和未来事件中的各种不确定性来源。

  
• 12.31 13:57:30
  发表了文章 2022-12-31 13:57:30

  【读书笔记】Algorithms for Decision Making（1）

  我自己的粗浅看法：机器学习要不是拟合逼近（经常提及的machine learning），要不就是决策过程（reinforcement learning），这本书主要讲述后者的前世今生。

  
• 12.19 21:21:33
  发表了文章 2022-12-19 21:21:33

  【High 翻天】Higer-order Networks with Battiston Federico （3）

  模型的目的是再现、解释和预测系统的结构，最好用涉及系统两个或多个元素的交互来描述。为了考虑其输出的可变性，这些模型通常被指定为随机规则的集合，即随机过程。

  
• 12.16 21:53:47
  发表了文章 2022-12-16 21:53:47

  【High 翻天】Higer-order Networks with Battiston Federico （2）

  接上回说到了高阶的表示方法，接下来开始高阶系统的测量方法。

  
• 12.02 17:47:44
  发表了文章 2022-12-02 17:47:44

  【High 翻天】Higer-order Networks with Battiston Federico （1）

  各种高维相关的东西火遍全球，一起High起来吧！

  
• 12.01 21:28:17
  发表了文章 2022-12-01 21:28:17

  [CNKI有什么？] Adaptive Control (3)

  CNKI作为中文文献库其首页推荐内否给读者带来启迪？从今天开始，我们走进CNKI的 Adaptive Control 首页20篇中的两个应用文章。

  
• 12.01 17:09:49
  发表了文章 2022-12-01 17:09:49

  [CNKI有什么？] Adaptive Control (2)

  CNKI作为中文文献库其首页推荐内否给读者带来启迪？从今天开始，我们走进CNKI的 Adaptive Control 首页20篇的第二篇。
• 12.01 16:25:53
  提交了问题 2022-12-01 16:25:53

  社区Makedown的公式语法问题

• 12.01 15:24:33
  发表了文章 2022-12-01 15:24:33

  [CNKI有什么？] Adaptive Control (1)

  CNKI作为中文文献库其首页推荐内否给读者带来启迪？从今天开始，我们走进CNKI的 Adaptive Control 首页20篇。
• 12.01 14:38:19
  发表了文章 2022-12-01 14:38:19

  引言

  写文章需要引言，读书需要度引言。新的平台的开启，或许也需要引言？