建立了双端基于电压源型换流器的高压直流输电(VSC-HVDC)系统的小信号模型；利用特征根分析法，基于线性化状态空间模型，将与系统特征根直接相关的振荡模式和衰减模式的罚函数作为目标函数；提出了基于粒子群优化算法的VSC-HVDC系统的控制参数优化策略，对整个系统的控制参数同时进行整体优化。仿真结果验证了小信号模型的正确性；优化后的系统在小扰动、大扰动、潮流反转及故障情况下均具有较高的控制精度，整个系统的稳态与暂态特性均得到较大改善。

vgg网络模型，COCO数据集。预训练模型参数

残差网络RESNET和COCO数据集与训练模型的参数

水箱模型的参数率定，模拟出流过程，与实际出流进行对比。

seir模型参数估计

bytetrack多目标跟踪模型，对mot17数据集训练的tiny权重

arma模型参数的预测

葡萄糖-胰岛素系统的数学建模在医学中非常重要，因为它是了解人体稳态控制的必要工具。 它也可以用于设计临床试验和评估糖尿病的预防。 在过去的三十年中，朝着这个方向已经做了很多工作。 最著名的模型之一是约翰·托马斯·索伦森（John Thomas Sorensen）提出的具有六个22个常微分方程的全局六部分数学模型。 本文通过引入一个包含肾，肠，脑和周围组织的组织隔室，提出了一个只有六个常微分方程的，更简化的三隔室数学模型。 对于模型参数识别，我们使用反问题技术来解决特定的最优控制问题，在该问题中，通过求解John Thomas Sorensen的全局模型来获取数据。 数值结果表明，该模型适用于数据，可用于调整糖尿病患者的I型或II型糖尿病。

锂电池模型建立、参数辨识与验证、SOC估计采用扩展卡尔曼滤波(EKF).7z

一、背景 在“搞”深度学习时，除非富如东海，往往都不会直接用大量数据来训练一个网络；一般情况下，比较省钱且高效的思路是利用一些预训练的模型，并在其基础上进行再训练优化，达到自己的目的。 因此，在本博客中将简单记录一下，如何在PyTorch基础上读取预训练模型的参数，并添加到自己的模型中去，从而尽可能减少自己的计算量。 为了直接讲明整个过程，本文设计了一个实验，首先设计了一个网络，其前半部分与FlowNetSimple的Encode一致，后半部分是全连接的分类网络。 下图是FlowNetSimple的网络结构，其中的refinement部分是Decode结构（类似UNet） 本文设计的结构，其