Solving Ordinary Differential Equations I全书资源

matlab最简单的代码差动驱动机器人运动 MATLAB脚本，用于在2D环境中模拟简单的轮式移动机器人并探索用于航位推算位置跟踪的运动学模型。 差速驱动移动机器人的运动模型 在任何移动机器人技术项目中，知道如何估计机器人的位置对于任何应用程序都是至关重要的。 要确定机器人在其环境中的位置，需要某种模型来根据对机器人的控制输入来估计其位置。 最常见的是，我们使用机器人的线速度和旋转速度作为运动学模型的输入。 这些速度可以来自多种来源，例如机器人，惯性测量单元或车轮编码器的指令速度。 对于此应用程序，我们将考虑最常见的情况之一：使用车轮编码器跟踪差动驱动机器人的2D姿态。 基础知识 在进入代码之前，让我们花一些时间定义一些术语，并提供一些您之前可能已经看到的基本背景信息。 但是为了完整起见，对于可能是第一次接触此信息的读者，我将在这里重新介绍其基础知识。 首先要定义的是“全局框架”或“世界框架”。 这是用于定义机器人所处环境的坐标系。 对于此项目，我们正在考虑使用2D机器人，因此它将存在于2D x，y全局坐标系中。 我们将定义机器人的2D姿势如下： 机器人的姿势与其在全局框架内的x，y位置

随机微分方程的黑盒变分推断 Lotka-Volterra示例的Tensorflow实现在 ， ， 和 （ICML，2018）中进行了。 示例：Lotka-volterra 在这里，我们在本文的第5.1节中演示示例“具有未知参数的多个观察时间”的实现。 也就是说，在已知测量误差方差的情况下，二维Lotka-Volterra SDE的全参数推断观察到的离散时间步长为10。 系统要求 以下示例已使用tensorflow 1.5，numpy 1.14和python 3进行了测试。尚未在任何依赖项的更新和/或更高版本上进行严格测试。 如有任何相关问题，请参阅联系部分。 此示例还使用张量板（1.5）可视化训练。 这样，您应该在lotka_volterra_data.py中为张量板输出指定路径。 例如： PATH_TO_TENSORBOARD_OUTPUT = "~/Documents/my_

神经控制微分方程用于不规则时间序列[ ， ] 基于对受控微分方程的深入理解的数学理论，我们演示了如何构建以下模型： 直接作用于不规则采样的部分观测的多元时间序列。 可能会进行记忆有效的伴随反向传播训练-即使是跨观测也是如此。 展示最先进的性能。 使用现有工具（尤其是PyTorch和库）可以轻松实现和评估它们。 图书馆 参见 。 例子 我们鼓励您看一下 ，它演示了如何使用该库来训练Neural CDE模型来预测螺旋的手征性。 有关如何处理可变长度输入，不规则采样或丢失数据的演示，另请参见 ，所有这些都可以在不更改模型的情况下轻松处理。 一个自包含的简短示例： import torch import torchcde # Create some data batch , length , input_channels = 1 , 10 , 2 hidden_channels = 3 t

《Differential Geometry of Curves and Surfaces》，作者：Manfredo P. do Carmo，第2版，英文原版，注意是Revised and Updated的，不是1976年的那个老版本，书的封面是蓝色的， ISBN-13: 978-0486806990。它隶属于Dover Books on Mathematics系列，读者都知道这是与GTM齐名的数学丛书。该书不像其他微分几何的教材，要么太肤浅，要么尽说些没用的东西，该书结合实际，由浅入深，很多知识都能直接在国外计算机图形学的论文中直接找到应用。如果你即将开始你的博士研究生生涯，这本书将会帮助你从没用的课堂知识过渡到能够轻松阅读实际英文论文的阶段。不要落后于别人，赶快下载吧！

APPLIED STOCHASTIC PROCESSES by G.A. Pavliotis, Department of Mathematics, Imperial College London, January 18, 2009.

在本文中，我们处理具有两点边界条件的Riemann-Liouville分数阶微分方程的拟线性化。 通过建立新的比较原理，我们得到了一个单调序列，该序列单调二次收敛到分数阶微分方程的唯一解。

PDE经典教材 学习偏微分方程必读课本

该算法获取两点的坐标并使用 DDA 算法将它们连接起来。 如果 x1, y1 和 x2, y2 线坐标相等（是一个点），则不会绘制任何东西。 在互联网上我发现了一些 DDA algortihms，它们不能正常工作， 从 Akshay Upadhyay ( http://www.cprogramto.com/c-program-for-dda-algorithm/ ) 那里得到一些想法和 Chandan Kumar ( https://se.mathworks.com/matlabcentral/fileexchange/25524-line-drawing-by-dda/content/DDA_Line.m ) 并实现了我自己的 DDA 算法版本。 随意修改它。 我设置了固定轴，所以要考虑到这一点。 第x行的范围可以从-5变为5，而y范围也可以从-5变为5

Stochastic Differential Equations 6th ed - B. Oksendal