关键词：#电机设计#NASA#永磁同步电机你好！我是老列，一个在机电领域摸爬滚打了15年的“老工头”。今天不聊那些空洞的行业黑话，咱们把目光投向云端。⚡最近我翻看了NASA的一份硬核技术报告——《飞机永磁同步电机的解析设计与性能评估方法》。不禁感叹：咱们平时搞地面工业电机的，觉得功率密度做到极致了，
FOC就是把交流当直流使？老列带你捅破这层窗户纸你好！我是老列。👋咱们上一篇聊了那些高大上的航空电机硬件设计，算是把“肉体”构造摸了一遍（筋骨还放在后头吧）。今天，咱们得给这具钢铁躯壳注入“灵魂”——FOC（磁场定向控制）。⚡说实话，当年（前两天）我刚接触FOC的时候，也被满屏的坐标变换、SVPW
🎉本文将介绍如何将Hexo博客迁移到Astro博客，只需要1分钟即可完成！作为Hexo的长期用户，我在2024年开始尝试Astro，Hexo基于模板引擎（EJS/Swig）的字符串拼接，而Astro采用基于Vite的组件化构建体系。Hexo在hexogenerate时完成全量渲染，Astro在as
塔罗牌占卜作为一种深受人们喜爱的心理探索工具，已经成为许多人自我反思与探索人生的方式之一。Tarot-Web是一款基于Web的塔罗牌占卜应用，它提供了22种不同的塔罗牌，每一张卡片都融合了传统塔罗的象征意义与AI的独特解读能力。页面截图点击体验项目地址Tarot-Web-Github如何部署1、准备
WebWatermark是一款在线的网页版可离线使用的安全的图片添加水印项目页面截图点击体验项目地址WebWatermark-Github
实时关注Ta的微博，并了解Ta微博动态的情绪心情，通过Bark或PushDeer进行通知的，基于Nodejs的AI的微博动态心情分析脚本开源地址WeiBo-Mood免费AI注册配置config.js文件module.exports={//AIAPI接口地址chatApi:"https://api.s
Python-Latex主题分享人生苦短，我用PythonLifeisshort,youneedPython——BruceEckel优点优雅、明确、简单特点易于上手：跨平台，开源，短小精悍易于阅读：没有太多仪式化的东西：使用变量：声明、定义……乍一看就能知道在干啥丰富的库：（CSDN？？？）Pill
什么是HiDPI全名：HighDotsPerInch它使用横纵2个物理像素也就是4个物理像素来显示1个像素区域，结果就是图像的细节得到翻倍、更清晰、边缘更平滑。拿13寸的MacBookPro举例，它的屏幕物理分辨率是2560x1600，所以原生的HiDPI分辨率就是1280x800。更高的一档144
gym入门gym是用于开发和比较强化学习算法的工具包。它不对代理的结构做任何假设，并且与任何数字计算库(例如TensorFlow或Theano)兼容。gym库是测试问题(环境)的集合，您可以用来制定强化学习算法。这些环境具有共享的接口，使您可以编写常规算法。安装首先，您需要安装Python3.5+。
这里有很多形象的图，方便理解强化学习的公式知乎白话强化学习，有空了可以来看强化学习-11：MatlabRLAgent：由Policy和RL_Algorithm构成policy负责将observation映射为actionRL_Algorithm负责优化policyEnviroment：输入actio
RL回顾首先先来回顾一下强化学习问题中，环境Env和代理Agent分别承担的角色和作用。RL组成要素是Agent、Env代理和环境分别承担的作用Agent：由Policy和RL_Algorithm构成，这种对RL_algorithm的算法理解比较宽泛policy负责将observation映射为ac
参考自知乎（叶强）Introduction在实践2中，介绍了gym环境的定义和使用方法。在实践1中，介绍了动态规划DP求解价值函数并没有形成一个策略Policyπ\pi来指导agent的动作选取，本节将利用SARSA（0）的学习方法，帮助agent学习到价值函数(表），指导ϵ\epsilon-gre
RL实践1——值迭代求解随机策略参考自叶强《强化学习》第三讲，方格世界——使用动态规划求解随机策略动态规划的使用条件时MDP已知，在简单游戏中，这个条件时显然成立的使用Valueiteration的方法求解每个状态的价值函数，迭代收敛之后，对应最优策略生成。注意：动态规划和强化学习都用的价值函数，区
1、前沿stateofart学习经典游戏的原因规则简单，细思又很深入历史悠久，已经被研究了几百年对IQ测试有意义是现实世界的问题的缩影已经有很多RL案例，战胜了人类，例如2、游戏理论gametheory游戏的最优性对于石头剪刀布来说，最优策略，显然和对手agent策略相关，我们期望找到一种一致的策略
1、introduction本章的主题是关于利用和探索的矛盾：Exploitation：利用当前已知信息做决策Exploration：探索未知空间获取更多信息最佳的策略是用长期的眼光来看，放弃短期高回报获取足够策略是让策略变成全局最优的必要条件几个基本的探索方法：主要分三类：随机基于不确定性信息状态
