什么是PID闭环控制系统？举个生活中的例子，我们所乘坐的动车，在即将到达站点的时候会切断动力，凭借惯性进入月台，如果火车在切断动力的时候时速是100km/h并且距离月台是1KM，那么这个100比1就是比例P的含义，P越大，他在站前开始滑行的速度也就越快，快的话也就是进入站台的时间比较短，但是过快也就意味着，惯性太大可能冲下月台，这也就不得不经行倒车，但是因为P过大，倒车以后的滑行同样会使得火车到过头，这样一来，就形成了一个反复前行后退的震荡局面，而P设置小了，进站的速度也就变得缓慢，进站的时间也就会变得越长，所以设置一个合适的P是PID的首要任务，由于P是一个固定值，如果将火车的速度与月台的距离用一个坐标理想化的表现出来的话，不考虑其他外力，那就是一条直斜线，越陡表示进站的时间越短。

软件介绍: Openpilot GCS是一款cc3d地面站调参软件，能够烧录固件，校准飞控芯片。安装包含地面站核心组件，可执行文件和库文件，CDC驱动及OPENGL驱动。固件升级说明：请按照下面步骤升级固件或者升级固件并清除设置。1、连接Telemetry;2、当系统成功识别设备后，点击上面终止系统按钮。3、你会看到一份设备列表清单。4、你可以将固件烧写到设备中，也可以将设备上的固件备份到电脑里。5、操作结束后，请点击启动系统。

贷款违约数据集含有 年龄、教育、工龄、地址、收入、负债率、信用卡负债、其他负债以及违约情况的字段。通过各特征来判断用户的违约情况。用到的技术模型如下 逻辑回归 面对一个回归或者分类问题，建立代价函数，然后通过优化方法迭代求解出最优的模型参数，然后测试验证我们这个求解的模型的好坏。 k近邻法（k-nearest neighbor，k-NN） 一种基本的分类和回归方法，是监督学习方法里的一种常用方法。k近邻算法假设给定一个训练数据集，其中的实例类别已定。分类时，对新的实例，根据其k个最近邻的训练实例类别，通过多数表决等方式进行预测。 决策树 一种基于树结构来进行决策的分类算法，我们希望从给定的训练数据集学得一个模型（即决策树），用该模型对新样本分类。决策树可以非常直观展现分类的过程和结果，一旦模型构建成功，对新样本的分类效率也相当高。 SVM(Support Vector Machine) 中文名为支持向量机，是常见的一种判别方法。在机器学习领域，是一个有监督的学习模型，通常用来进行模式识别、分类以及回归分析。 模型评估 可以根据混淆矩阵。得到其Accuracy准确率以及F1 score

yolov5口罩检测，此模型已融合了attention机制，best.pt放在主目录下，考虑到训练时间使用的yolov5x，mAp96%左右，能够较高的识别人脸是否佩戴口罩，可以修改损失函数继续进行优化

飞控 4.3.0 以上 betaflight use

参数全部配置好了 直接改学号就可以交作业

相关文章：UiPath-压缩解压缩文件 必须环境：UiPath已安装 调试方法：自行修改Arguments

文章的主要内容源于Stanford CS231n Convolutional Neural Networks for Visual Recognition课程里介绍的一些通过可视化手段，调试理解CNN网络的技巧，在该课程的基础上我作了一些沿展阅读，算是把当中的内容进一步丰富系统化了一下。限于时间精力，我也没有能够把里面提到的所有调试技巧全部进行尝试，不过在整理这篇文章的时候，我还是参考了不止一处文献，也结合之前以及最近跟一些朋友的技术交流沟通，对这些方法的有效性我还是有着很强的confidence。

xgboost调参教程 ，适合机器学习 与风控评分卡调参相关学习。

人工智能-机器学习-抽油机井智能控制与自动调参技术研究.pdf