ISO26262 功能安全2018版本与旧版本的软件区别以及基于模型的开发关键技术--- 恒润内部培训资料 内容包含PPT的照片以及高清录音，新版的ISO26262 软件变化关键技术， 第六章软件部分差异解读， 尤其是6-5 到6-11章节，最后案例实践分享

确定性清洁机器人的基于模型的策略迭代算法。 这段代码是策略迭代算法的一个非常简单的实现，对于强化学习和动态规划领域的初学者来说，它是一个有用的起点。 确定性清洁机器人 MDP：清洁机器人必须收集用过的罐子，还必须为电池充电。 状态描述了机器人的位置，动作描述了运动的方向。 机器人可以向左或向右移动。 第一个 (1) 和最后 (6) 个状态是终止状态。 目标是找到一个最优策略，使任何初始状态的回报最大化。 这里是policy-iteration（基于模型的策略迭代DP）。 参考：算法 2-5，来自： @book{busoniu2010reinforcement, title={使用函数逼近器的强化学习和动态规划}， 作者={Busoniu，Lucian 和 Babuska，Robert 和 De Schutter，Bart 和 Ernst，Damien}， 年={2010}, 出版商={CR

arduino基于simulink图形界面开发的，目前教程比较少，可以去matlab社区里看。

matlab中存档算法代码BIM跟踪器 这是我们的论文“ BIM-Tracker：使用3D建筑模型进行室内定位的基于模型的视觉跟踪方法”的MATLAB实现。 所提供的代码处于测试阶段，有关改进和优化的任何建议均受到欢迎。 如果您使用该代码，请引用我们的论文。 @article{ACHARYA2019157, title = "BIM-Tracker: A model-based visual tracking approach for indoor localisation using a 3D building model", journal = "ISPRS Journal of Photogrammetry and Remote Sensing", volume = "150", pages = "157 - 171", year = "2019", issn = "0924-2716", doi = "https://doi.org/10.1016/j.isprsjprs.2019.02.014", url = "http://www.sciencedirect.com/sci

系统工程师是系统工程实施过程的关键因素，然而他们总是疲于沟通和协调，被海量的文档和无尽的变更所淹没。有什么办法可以帮助系统工程师真正发挥他们在复杂产品研发中的重要作用，同时也使其自身逐步成长为“宽频带、高振幅”的复合型人才？这个解决方案就是基于模型的系统工程（MBSE，Model BasedSystemsEngineering）。 MBSE在2007年的INCOSE（系统工程国际委员会）国际研讨会上首次被提出。MBSE是一种正规化的建模应用，它为系统工程过程各阶段的活动

matlab开发-基于模型的策略迭代gorithmfordeterministiccleaningrobot。基于模型的策略迭代强化学习实例

研究了事件触发通讯机制下基于模型的网络化控制系统鲁棒 H∞控制问题。通过构造一个依赖于对象和模型采样状态的事件触发传输方案,并考虑网络诱导时延的影响,将闭环系统建模为一个带有区间时变时延的增广系统。利用 Lyapunov-Krasovskii泛函方法,以线性矩阵不等式的形式给出了系统的鲁棒 H∞性能判据和控制器的设计方法。最后,通过一个数值仿真例子验证所提方法的有效性。

学习simulink仿真代码生成的好书！作者的写作风格贴合实战经验，具有很强的实操性。

基于模型试验与傅里叶变换的结构模态参数识别方法研究，时丹，孙瑶，目前，土木工程结构健康监测系统研究已经成为土木工程领域的一个研究热点，而结构健康监测系统的关键在于获得准确的结构基本模态

层次分析matlab代码MBHC-FMM 该存储库提供了MATLAB的实现：具有Bregman散度和Fisher混合模型（MBHC-FMM）的基于模型的层次聚类。 它使用MBHC-FMM方法对3D定向数据执行聚类。 它已应用于聚类图像法线（3D单位矢量）以分析深度图像。 有三个演示文件来演示上述任务。 注意：此处添加了四个文件：emsamp.m，vsamp.m，unitrand.m和house.m，用于从指定的vMF混合模型中采样观察值。 这些文件来自“ vmfmatlab”代码，该代码可在线获得。 参考： [1] Hasnat等人，基于模型的Bregman散度和Fishers混合模型的层次聚类：在深度图像分析中的应用。 统计与计算，2015年1月20日。 [2]马萨诸塞州哈斯纳特，阿拉巴马州阿拉特市和特雷默岛，答（2014年10月）。 基于模型的3D方向特征聚类：应用于深度图像分析。 在2014年IEEE国际图像处理会议（ICIP）中，第3768-3772页。 [3] Hasnat等人，分层3D von Mises-Fisher混合模型，在第一届散度与散度学习研讨会（ICML-WDD