本研究聚焦于基于分布式模型预测控制（DMPC）的多固定翼无人机（UAV）共识控制策略。文章详细介绍了如何通过DMPC实现多架无人机之间的信息共享、协调和决策制定，以达到协同飞行的目的。研究内容包括无人机的环境感知、信息交流机制以及飞行策略和路径规划的共同制定。该研究适用于无人机控制领域的专业人士、学者以及对无人机协同飞行感兴趣的爱好者。使用场景涵盖无人机搜索、监视、巡航等协同任务。目标是提升多无人机系统在执行复杂任务时的效率和安全性。 关键词标签：分布式控制 模型预测控制 无人机 协同飞行

一种应用于多车队列控制的分布式模型预测控制算法，该算法能够有效地协调三辆车的行驶，以实现车队的高效和安全行驶。文中详细阐述了算法的原理、实现步骤以及在实际场景中的应用效果。适用于对自动驾驶技术和车辆控制系统感兴趣的工程师、研究人员和学生。使用场景包括但不限于自动驾驶车辆的研发、智能交通系统的构建以及车辆控制算法的教学和研究。目标是提供一个有效的解决方案，以提高多车队列在复杂交通环境中的稳定性和协同性。 关键词标签：分布式控制 模型预测控制 多车队列 自动驾驶

2024 年是大模型深入赋能千行百业，融入实体经济，助力科技创新的一年。截 至今年5 月，我国国产大模型的数量已经超过300 个，预示着大模型在各行业 场景的创新应用和深度拓展，对培育新质生产力、高水平赋能新型工业化、推动 高质量发展发挥了重要作用。今年，国务院政府工作报告首次提出“人工智能+” 行动以来，全国各地进一步加速大模型技术与产业的落地融合。 《2024 大模型典型示范应用案例集》（以下简称《案例集》）自4 月启动征集以来， 得到社会广泛关注。收到申报案例数百个，经专家组全面评估，最终遴选出99 个优秀案例，其中45 个“行业赋能”、46 个“智能应用”、8 个“生态服务”， 覆盖新型工业化、能源、医疗、政务等重要应用场景，涵盖天文、农业、化学等 科学领域，以及智能数据标注、大模型评测、云边异构融合服务等创新平台。

台湾数据土壤地图项目 这是我的硕士论文研究，主要讨论台湾土壤数据库的应用。 包括数据可视化，土属性非线性函数转换，模型仿真和探索性分析。

MedSAM 分割一切大模型，代码介绍或者项目介绍参考专栏： https://blog.csdn.net/qq_44886601/category_12683968.html

模型保存的版本为matlab2020a

《5000B -2021 软件能力成熟度模型》是一个重要的指导文档，它旨在规范和提升软件开发过程中的能力和效率。这个模型通常被简称为CMMI（Capability Maturity Model Integration），是由卡内基梅隆大学软件工程研究所（SEI）开发的一套评估和改进组织软件开发能力的标准框架。CMMI涵盖了多个关键领域，包括项目管理、过程管理、质量管理、系统工程、风险管理和采购管理等。 在《5000B -2021 软件能力成熟度模型》中，我们可以期待找到以下关键知识点： 1. **过程域（Process Areas）**：CMMI将软件开发过程划分为一系列逐步进阶的过程域，每个过程域都有一组最佳实践，以帮助组织逐步提升其软件开发的成熟度。这些过程域包括需求开发、项目计划、项目执行、验证和确认等。 2. **等级（Maturity Levels）**：CMMI定义了五个成熟度等级，从1级（初始级）到5级（优化级）。每个级别代表组织在软件开发过程中的不同成熟水平，1级是混乱无序的，而5级则表示组织已经实现了流程的持续改进和优化。 3. **连续式和阶段式模型**：CMMI有两种表现形式，一种是连续式模型，强调灵活选择过程域；另一种是阶段式模型，按照等级逐级提升。这两种模型可根据组织的具体需求选择使用。 4. **评估与改进**：CMMI提供了一种评估工具，即能力成熟度模型集成评估方法（CMMI Appraisal Method for Process Improvement，CMMI-AMPI），用于评价组织的软件开发能力，并指导其进行必要的改进。 5. **最佳实践**：5000B -2021版本可能包含了最新的最佳实践，这些实践可以帮助组织减少错误、提高生产效率、确保质量，并最终提升客户满意度。 压缩包中的“一键改名.bat”可能是为了方便用户快速更改文件名，这在处理大量文件时非常有用。"5000B -2021 软件能力成熟度模型(原版可复制文字）.pd"可能是PDF格式的模型文档，提供了详细的模型内容供读者查阅。而“文件打开使用方法.txt”则可能包含了如何打开和使用这些文件的说明，对初次接触的用户尤其有帮助。 了解并应用CMMI模型对于任何从事软件开发或相关服务的组织来说都是至关重要的，它能够帮助建立标准化的流程，提高工作效率，降低项目风险，提升产品质量，从而增强市场竞争力。

基于ResNet50改进模型的图像分类研究

数据科学 项目1：足球运动员的评分（ ） 使用来自欧洲足球数据库的数据并建立了回归模型，以基于各种属性预测足球运动员的整体评分。 使用Flask构建了基本的API，并将其部署到GCP，Herolu和Pivotal云平台中。 项目2：预测一个人每年的收入是否超过5万（ ） 建立了几个分类模型，以预测一个人每年从经典成人数据集中赚取的收入是否超过5万。 建立了KNN，决策树，随机森林和XGBoost模型，并通过比较各自的AUC和准确性得分，比较了哪一种最适合数据集。 项目3：Zomato_EDA（ ） 是否在Zomato印度餐厅数据集上进行了广泛的EDA分析。 zomato探索性数据分析旨在为美食家找到最佳的餐馆，并在他们所在的地区物有所值。 它还有助于在当地找到所需的美食。

利用LangChain和ChatGLM-6B系列模型制作的Webui, 提供基于本地知识的大模型应用. 目前支持上传 txt、docx、md、pdf等文本格式文件, 提供包括ChatGLM-6B系列、Belle系列等模型文件以及GanymedeNil/text2vec-large-chinese、nghuyong/ernie-3.0-base-zh、nghuyong/ernie-3.0-nano-zh等Embedding 提供ModelScope版本和HuggingFace版本. 需要Python>=3.8.1 目前热门的中文embeddding模型都支持, 非常适合用于做企业企业二开