通讯协议之路主要分为两部分，第一部分从理论上面讲解各类协议的通讯原理以及通讯格式，第二部分从具体运用上讲解各类通讯协议的具体应用方法。后续文章会同时发表在个人博客(jason1016.club)、CSDN；视频会发布在bilibili(UID:399951374)一、串口通信接口标准简介串行数据通信接口标准主要有RS-232、RS-422与RS-485，最初都是由电子工业协会（EIA）制订并发布的。RS-232在1970年发布，命名为EIA-232-E，作为工业标准，以保证不同厂家产品之间的兼容。RS-422由RS-232发展而来，它是为改进RS-232通信距离短(最大传输距离15m)、速率低
视觉SLAM理论到实践系列文章下面是《视觉SLAM十四讲》学习笔记的系列记录的总链接，本人发表这个系列的文章链接均收录于此视觉SLAM理论到实践系列文章链接下面是专栏地址：视觉SLAM理论到实践专栏文章目录视觉SLAM理论到实践系列文章视觉SLAM理论到实践系列文章链接视觉SLAM理论到实践专栏前言视觉SLAM理论到实践系列（四）——相机模型针孔相机模型畸变模型小结双目相机模型RGB-D相机模型补充本章习题图像去畸变(3分，约1小时)双目视差的使用(2分，约1小时)前言高翔博士的《视觉SLAM14讲》学习笔记的系列记录视觉SLAM理论到实践系列（四）——相机模型相机将三维世界中的坐标点（单位为
IPSec1、概述：是IETF（InternetEngineeringTaskForce）制定的一组开放的网络安全协议，在IP层通过数据来源认证、数据加密、数据完整性和抗重放功能来保证通信双方Internet上传输数据的安全性。IPSec安全服务机密性完整性数据源鉴别重传保护不可否认性2、IPSec三个重要协议IPSec通过AH（认证头）和ESP（封装安全载荷）这两个安全协议实现IP数据报的安全传输（1）AH---认证头协议提供数据源认证、数据完整性校验和报文防重放功能。功能：（完整性、可用性）鉴别算法（2）ESP---封装安全载荷协议提供了除了AH认证头协议的所有功能外，还可以对IP报文净荷
1.Fast-RCNN论文背景2.Fast-RCNN算法流程3.FastR-CNN问题和缺点这篇以对比RCNN来说明，如果你对RCNN网络没太熟悉，可访问这链接，快速了解，点下面链接深度学习之目标检测R-CNN模型算法流程详解说明（超详细理论篇）一、Fast-RCNN论文背景论文地址https://arxiv.org/abs/1504.08083 FastR-CNN是一篇由RossGirshick在2015年发表的论文，题为“FastR-CNN”。这篇论文旨在解决目标检测领域中的一些问题，特别是传统目标检测方法中存在的速度和准确性之间的矛盾。 论文摘要：本文提出了一种基于快速区域的卷积网络
特征值与特征向量矩阵A\mathbfAA的特征值与特征向量满足Ax=λx\mathbfA\mathbfx=\lambda\mathbfxAx=λx，即(A−λI)x=0(\mathbfA-\lambda\mathbfI)\mathbfx=0(A−λI)x=0，且x≠0\mathbfx\neq0x=0特征值：det(A−λI)=0det(\mathbfA-\lambda\mathbfI)=0det(A−λI)=0的根，其中p(λ)=det(A−λI)p(\lambda)=det(\mathbfA-\lambda\mathbfI)p(λ)=det(A−λI)为特征多项式A\mathbfAA全体所
决策树（理论）目录一、何为决策树1、决策树的组成2、决策树的构建二、熵1、熵的作用2、熵的定义3、熵的计算4、条件熵的引入5、条件熵的计算三、划分选择1、信息增益（ID3算法选用的评估标准）2、信息增益率（C4.5算法选用的评估标准）3、基尼系数（CART算法选用的评估标准）4、基尼增益5、基尼增益率四、决策树中的连续值处理五、决策树中的预剪枝处理（正则化）1、限制决策树的深度2、限制决策树中叶子结点的个数3、限制决策树中叶子结点包含的样本个数4、限制决策树的最低信息增益六、决策树中的后剪枝处理七、实战部分一、何为决策树决策树（DecisionTree）是一种分类和回归方法，是基于各种情况发生
目录0.摘要41.建立模型51.1.物理系统分析51.2.数学模型51.3.计算机仿真82.能控能观性判别102.1.能控能观性定义102.2.判别方法102.3.进行判别113.稳定性分析123.1.稳定性定义123.2.判断稳定性124.状态反馈控制器设计124.1.控制器定义124.2.控制器设计分析134.3.控制器系统仿真155.状态观测器设计175.1.观测器的定义175.2.观测器设计分析185.3.基于观测器的控制系统仿真196.最优控制设计246.1.LQR最优控制246.2.最优控制设计256.3.最优控制仿真277.总结288.参考文献289.代码附录29摘要随着社会的进
文章目录一：无约束优化问题概述二：线搜索方法（1）概述（2）线搜索准则A：Armijo准则①：概述②：Armjio准则缺陷③：回退法④：代码B：Goldstein准则①：概述②：代码C：Wolfe准则①：概述②：代码D：非单调线搜索准则（3）线搜索方法一：无约束优化问题概述考虑如下无约束优化问题minx∈Rnf(x)\mathop{min}\limits_{x\inR^{n}}f(x)x∈Rnminf(x)无约束优化问题是众多优化问题中最基本的一类问题，它对自变量xxx的取值范围不加限制，所以无需考虑xxx的可行性对于光滑函数，我们可以较容易地利用梯度和海瑟矩阵的信息来设计算法对于非光滑函数
本文全面深入地探讨了机器学习和深度学习中的学习率概念，以及其在模型训练和优化中的关键作用。文章从学习率的基础理论出发，详细介绍了多种高级调整策略，并通过Python和PyTorch代码示例提供了实战经验。关注TechLead，分享AI全维度知识。作者拥有10+年互联网服务架构、AI产品研发经验、团队管理经验，同济本复旦硕，复旦机器人智能实验室成员，阿里云认证的资深架构师，项目管理专业人士，上亿营收AI产品研发负责人。一、引言学习率（LearningRate）是机器学习和深度学习中一个至关重要的概念，它直接影响模型训练的效率和最终性能。简而言之，学习率控制着模型参数在训练过程中的更新幅度。一个合
在语音识别研究领域，音频特征的选择至关重要。本书大部分内容中都在使用一种非常成功的音频特征—梅尔频率倒谱系数（Mel-FrequencyCepstrumCoefficient，MFCC）。MFCC特征的成功很大程度上得益于心理声学的研究成果，它对人的听觉机理进行了建模。研究发现，音频信号从时域信号转换为频域信号之后，可以得到各种频率分量的能量分布。心理声学的研究结果表明，人耳对于低频信号更加敏感，对于高频信号比较不敏感，具体是什么关系？心理声学研究结果表明，在低频部分是一种线性关系，但是随着频率的升高，人耳对于频率的敏感程度呈现对数增长的态势。这意味着只从各个频率能量的分布来设计符合人的听觉习
