卡尔曼滤波算法(含详细推导)

给出了数学推导过程 对理解 麦克斯韦方程很有用

关于勒让德多项式递推公式推导的几种不同方法，非常实用，希望能对对考研、考博的同学们有所帮助

使用 matlab 稳定非线性系统轨迹的教程，使用有限范围连续时间线性二次调节器 (LQR)。 函数trajectoryLqr.m 解决了时变设备的有限范围连续时间LQR 问题。 这用于生成轨迹跟踪控制器。 包括多个示例文件以显示用法。 该图像显示了对沿轨迹的向后可达状态集的估计，这些状态可以使用有限范围连续时间 LQR 控制器沿所选轨迹稳定到目标。

这是作者傅里叶系列推导的第一篇文章，详细写下了从傅里叶级数到傅里叶变换的整个过程，清晰明了，最后还用matlab进行了检验，证明了推导完全正确，并提供了matlab的代码

推导向心加速度大小的表达式借鉴.pdf

本文始发于个人公众号：TechFlow，原创不易，求个关注 在之前的文章当中，我们推导了线性回归的公式，线性回归本质是线性函数，模型的原理不难，核心是求解模型参数的过程。通过对线性回归的推导和学习，我们基本上了解了机器学习模型学习的过程，这是机器学习的精髓，要比单个模型的原理重要得多。 新关注和有所遗忘的同学可以点击下方的链接回顾一下之前的线性回归和梯度下降的内容。 一文讲透梯度下降法 详细推导线性回归模型 回归与分类 在机器学习当中，模型根据预测结果的不同分为两类，如果我们希望模型预测一个或者多个连续值，这类问题被称为是回归问题。像是常见的未来股票价格的估计、未来温度估计等等都算是回归

实验目录一、拉格朗日乘子法和KKT的介绍二、手工数学推导三、拉格朗日乘子法的有约束情况四、手工数学推导,考虑有约束情况的比较五、参考文献 一、拉格朗日乘子法和KKT的介绍 拉格朗日乘子法 拉格朗日乘子λ代表当约束条件变动时，目标函数极值的变化。是一种经典的求解条件极值的解析方法，求函数f(x1,x2,…)在约束条件g(x1,x2,…)=0下的极值的方法。这种引进待定乘子，将有等式约束的寻优问题转化为无约束的寻优问题的做法，称为拉格朗日乘子法，又叫升维法。 等式约束条件 设目标函数为f(x)，约束条件为hk(x)，形如 s.t. 表示subject to ，“受限于”的意思，l表

主成分分析 PCA 推导过程 案例分析

Livescript 包含由于超精细相互作用和外部静磁场引起的碱金属原子基态简并分裂的分析结果和数值模拟。 超精细相互作用在 AMO 物理实验以及电子顺磁共振 (EPR) 光谱实验中起着至关重要的作用，这些化合物包含对其局部“微”环境敏感的未配对 s 壳电子。 给出了 Breit-Rabi 方程的详细推导，包括所有原子自旋态的构建，从最高权重的一开始