ECJTU_ROBOT
码龄10年
求更新 关注
提问 私信
  • 博客:20,776
    20,776
    总访问量
  • 9
    原创
  • 6
    粉丝
  • 18
    关注
IP属地以运营商信息为准,境内显示到省(区、市),境外显示到国家(地区)
IP 属地:广东省
加入CSDN时间: 2016-10-24
博客简介:

大西几的知识小仓库

查看详细资料
个人成就
  • 获得5次点赞
  • 内容获得5次评论
  • 获得33次收藏
  • 博客总排名553,116名
创作历程
  • 1篇
    2021年
  • 1篇
    2019年
  • 9篇
    2018年
  • 1篇
    2016年
成就勋章
TA的专栏
  • Bluetooth
    1篇
  • python3
    9篇
  • 机器人编程
    1篇
  • ROS
    1篇
  • Java
    1篇
  • 神经网络
    4篇

TA关注的专栏 1

TA关注的收藏夹 0

TA关注的社区 0

TA参与的活动 0

创作活动更多

「谁说嵌入式只是调包和焊板子?」—— 2026嵌入式全栈技术征锋令

谁说嵌入式只会“Ctrl+C 调包”和“拿电烙铁焊板子”?2026嵌入式全栈技术征锋令正式启幕! 本次活动专为硬核硬件/软件开发者打造,无论你是刚玩转裸机外设的萌新,还是精通RTOS调度、死磕底层驱动的行业老手,亦或是执掌系统架构的大神,这里都是你证明实力的舞台! 拒绝表面功夫,每一行代码,都有撬动硬件的力量!晒出你的硬核工程实战,为嵌入式开发者的全栈硬实力正名!

211人参与 去参加
  • 最近
  • 文章
  • 专栏
  • 代码仓
  • 资源
  • 收藏
  • 关注/订阅/互动
更多
  • 最近

  • 文章

  • 专栏

  • 代码仓

  • 资源

  • 收藏

  • 关注/订阅/互动

  • 社区

  • 帖子

  • 问答

  • 课程

  • 视频

搜索 取消

蓝牙配对方式Legacy/SSP/Secure Connection区别

BR/EDRPrior to version 2.1 => BR/EDR legacy Version 2.1 => BR/EDR (uses Secure Simple Pairing) Version 4.2 => BR/EDR (uses Secure Connections)LEVersion 4.0 and 4.1 => LE legacy (uses Secure Simple Pairing) Version 4.2 => LE (uses Sec
转载
博文更新于 2021.10.13 ·
3147 阅读 ·
0 点赞 ·
1 评论 ·
8 收藏

np.dot和for的计算速度比较

import numpy as np#help(np.array)a = np.array([1,2,3,4])print(a)import time#help(np.random.rand)a = np.random.rand(1000000)b = np.random.rand(1000000)tic = time.time()c = np.dot(a,b)toc...
原创
博文更新于 2019.03.17 ·
1185 阅读 ·
0 点赞 ·
0 评论 ·
0 收藏

BP神经网络 - 解决异或问题

BP算法推导:关于BP神经网络算法的推导过程此处先不给出,博主参考的是韩力群的《人工神经网络理论、设计及应用》P47~P50。(电子书有需要的请留言)python实现:import numpy as npimport matplotlib.pyplot as plt#输入数据(4,3)X = np.array([[1,0,0], [1,0,1],...
原创
博文更新于 2018.11.23 ·
2451 阅读 ·
0 点赞 ·
3 评论 ·
9 收藏

BP神经网络 - 数字识别

手写数字数据:1797行数据,每一行64个灰度值,代表一个8*8像素的手写数字图片,如下图数字0:数据加载如下:from sklearn.datasets import load_digitsdigits = load_digits()X = digits.data #手写数字的数据(1797,64)label = digits.target #标签值 手写数字识...
原创
博文更新于 2018.11.23 ·
1246 阅读 ·
3 点赞 ·
0 评论 ·
5 收藏

线性神经网络 - 解决异或问题

分析:线性神经网络解决线性不可分问题的两种方法是:用多个线性函数对区域进行划分,对各个神经元的输出做逻辑运算,用两条直线解决异或问题; 对神经元添加非线性输入,从而引入非线性成分解决异或问题。本来是三个输入x0,x1,x2(x0为偏置值,恒取1),引入x1^2,x1*x2,x2^2,神经元共五个输入。python实现:import numpy as npimport mat...
原创
博文更新于 2018.11.22 ·
1503 阅读 ·
0 点赞 ·
0 评论 ·
0 收藏

神经网络单层感知器的实现(python)

问题:假设平面坐标系上有三个点(3,3),(4,3)这两个坐标点的标签为 1 ,(1,1) 这个坐标的标签为-1 ,构建神经网络来分类。思路:二维数据,需要两个数据点,将神经元偏置设置成另一个输入点,一共需要三个输入点输入数据:(1,3,3),(1,4,3),(1,1,1)数据对应标签为(1,1,-1)初始化权值为w0,w1,w2 为 -1 到 1 的随机数学习率为0.11激...
原创
博文更新于 2018.11.22 ·
752 阅读 ·
0 点赞 ·
0 评论 ·
4 收藏

python numpy 常用随机数的产生方法

numpy 中 的random模块有多个函数用于生成不同类型的随机数,常见的有 uniform、rand、random、randint、random_interges1、np.random.uniform的用法np.random.uniform(low=0.0, high=1.0, size=None)作用:可以生成[low,high)中的随机数,可以是单个值,也可以是一维数组,也可以...
转载
博文更新于 2018.11.20 ·
1695 阅读 ·
0 点赞 ·
0 评论 ·
4 收藏

python3学习笔记三:python3基本数据类型

Python中的变量不需要声明。每个变量在使用前需要赋值,变量赋值之后变量才会被创建。counter = 100 # 整型变量miles = 1000.0 # 浮点型变量name = "runoob" # 字符串print (counter)print (miles)print (name)以上代码输出结果:100100...
原创
博文更新于 2018.09.10 ·
322 阅读 ·
0 点赞 ·
0 评论 ·
0 收藏

机器人编程(Robot Programming)学习笔记一

平台的组建硬件、操作系统、应用程序和用户等四个要素在IT行业中通常被称为平台的生态系统 (Ecosystem)的四个要素。机器人软件平台平台分为软件平台和硬件平台。 机器人 软件平台不仅包括机器人应用中使用的硬件抽象、子设备控制,以及机器人工程中常 用的传感、识别、实时自定位和绘图(SLAM)、导航(Navigation)和机械臂控制 (Manipulation)等功能的实现,还包...
原创
博文更新于 2018.09.10 ·
5669 阅读 ·
2 点赞 ·
1 评论 ·
5 收藏

python3学习笔记二:python3的基础语法

编码默认情况下,python3的源码文件以utf-8编码,所有字符串都是Unicode字符串,可以使用如下代码指定不同的编码:# -*- coding: encoding name -*-标识符标识符首写字母必须是字母或者下划线_。 标识符的其他部分由字母、数字、xiah下划线组成。 标识符对大小写敏感。保留字保留字即关键字,python的biaz标准库中tig提供了k...
原创
博文更新于 2018.09.06 ·
476 阅读 ·
0 点赞 ·
0 评论 ·
1 收藏

python3学习笔记一:windows版本选择

python官网的Windows版本有以下几个:Python 3.6.0a1 - 2016-05-17Download Windows x86 web-based installerDownload Windows x86 executable installerDownload Windows x86 embeddable zip fileDownload Windows x86-64...
原创
博文更新于 2018.09.05 ·
2050 阅读 ·
0 点赞 ·
0 评论 ·
1 收藏

Java中static关键字

Java中的static关键字解析  static关键字是很多朋友在编写代码和阅读代码时碰到的比较难以理解的一个关键字,也是各大公司的面试官喜欢在面试时问到的知识点之一。下面就先讲述一下static关键字的用法和平常容易误解的地方,最后列举了一些面试笔试中常见的关于static的考题。以下是本文的目录大纲:  一.static关键字的用途  二.static关键字的误区
转载
博文更新于 2016.10.24 ·
282 阅读 ·
0 点赞 ·
0 评论 ·
0 收藏