信息论基础，熵，联合熵，条件熵，互信息，交叉熵

按照这个思考路径 一步一步找到自己的差异化定位 这是一篇笔记 完整记录了 策划差异化双IP时的思考过程 知道你买了很多课 也知道你买了很多没看的课 我们特意将原本60分钟的课程 整理成了文字 只需要30分钟就可以看完 大大降低了你的时间成本 里面详细列出了 面对一个素人如何一步一步推导出 IP定位的思考过程 进店逛 适合三类人看： 1、看了很多课程还是不知道做的人 2、准备做个人IP的老板们 3、准备进入短视频策划领域的人

针对影响射频窄带信号时延估计精度的3个主要因素:中频偏差、信号带宽及信噪比,提出了一种基于频差补偿的相位谱时延估计方法。其采用平方倍频法分别估计两路信号的中频,通过频差补偿消除中频偏差对时延估计精度的影响;利用线性调频Z变换(CZT)在有限带宽内增加时延估计的有效点数;并针对相位法自身的特点利用Kalman滤波器优秀的抗噪声特性提高时延估计的精度。理论分析和实验仿真均验证了该方法的有效性。

利用non-subsampled contourlet transform(NSCT)对红外偏振与红外光强图像进行分解,得到源图像的低频子带和高频方向子带。通过对红外偏振和光强图像差异特征的分析,对低频选取局部能量和局部信息熵提取差异特征,然后利用模糊逻辑融合低频子带的不确定区域,利用特征差异驱动来融合低频子带的确定区域;对高频选取局部边缘信息保留量和局部方差提取差异特征,然后利用模糊逻辑融合高频方向子带的不确定区域,利用特征差异驱动来融合高频方向子带的确定区域。最后利用NSCT对高低频子带进行逆变换得到最后的融合图像。从而建立起基于模糊逻辑与特征差异驱动的红外偏振图像融合模型。实验仿真结果表明,该融合模型可融合源图像互补的差异特征,使其在目标识别和分类中具有一定的应用价值。

预报误差估计法 对于模型结构已知的系统，如果我们获得参数的某个估计，则可对输出进行预报，那么用预报误差的大小来衡量参数估计的优劣也是合理的。定义输出估计误差： e(k)=y(k)- (k)， 将收敛于e(k)的协方差阵。通常采用的预报误差准则有： J1(θ)=Tr(ΛD(θ)), J2(θ)=log det(D(θ))。可以证明，当e(k)～N(0,Σe)时，若J1(θ)中的Λ取为Λ=LΣe-1，则预报误差估计等价于极大似然估计；

DRL用于微电网能源管理 我们针对微电网的能源管理系统问题研究了各种深度强化学习算法的性能。 我们提出了一种新颖的微电网模型，该模型由风力涡轮发电机，储能系统，恒温控制负载，价格响应负载以及与主电网的连接组成。 拟议的能源管理系统旨在通过定义优先级资源，直接需求控制信号和电价来在不同的灵活性来源之间进行协调。 本文实现了七种深度强化学习算法，并进行了实证比较。 数值结果表明，不同的深度强化学习算法在收敛到最优策略的能力上存在显着差异。 通过将经验重播和第二个半确定性训练阶段添加到众所周知的“异步优势演员评论家”算法中，我们获得了更好的性能，并且在能效和经济价值方面收敛于高级策略。 有关此项目的更多信息，访问： ：

Vulkan的全向灯光的方差阴影贴图 渲染例程： 渲染通过阴影贴图一次绘图调用，写入6层彩色附件 渲染通过高斯滤波器（x方向） 一次绘图调用，单层写入六个颜色附件 渲染通过高斯滤波器（y方向） 同上 在屏幕上渲染通过 一篇讨论细节的博客文章： 控制项： 轨道：向左/向右/向上/向下箭头键 平移：A / D / R / F 前进和后退：W / S 冻结/解冻灯：F1 暂停动画：P

机械公差计算软件，GBT 1800.3-1998 标准公差和基本偏差数值表数据采集而来，直接点击就可使用

此函数提供多元正态分布条件期望和协方差矩阵的矢量化估计。 均值是一个矩阵，其中行表示期望向量。 Sigma 是协方差矩阵。 Ind 是第一个无条件参数的索引。 值是条件值的矩阵，其中的行对应于平均行。

从解析中国文化根隐喻——"水"的概念隐喻特征入手,揭示宗教、古代文学和成语、惯用语等不同语体类型中"水喻"的主要特征,并藉此探寻"水喻"衍生的机制以及中西方隐喻衍生方式的异同。中国文化中的"水喻"倾向于以水的自然属性抽象出的概念特征为衍生的基点。比较而言,西方的"水喻"衍生方式相对简单,少了一种哲理化的意蕴,但多了一份与自然抗争之意。研究发现支持了"文化制约隐喻思维"的文化隐喻观。