强化学习经典书籍，介绍了强化学习当前的各个细节，实用性很强。

储存库（v0.2.3） 一个简单而灵活的代码，用于诸如Echo State Networks（ESN）之类的储层计算架构。 ReservoirPy是一个基于Python科学模块的简单易用的库。 它提供了灵活的接口来实现高效的储层计算（RC）架构，尤其侧重于回声状态网络（ESN）。 与基本的Python实现相比，ReservoirPy的高级功能可提高简单笔记本电脑上的计算时间效率。 它的一些功能包括：脱机和在线培训，并行实现，稀疏矩阵计算，快速频谱初始化等。此外，还包括图形工具，可借助hyperopt库轻松地探索超参数。 该库适用于Python 3.6及更高版本。 官方文件 请参阅以了解有关ReservoirPy的主要功能，其API和安装过程的更多信息。 实例和教程 以获取安装，示例，教程和Jupyter Notebooks。 版本号 要启用ReservoirPy的最新功能，您米格思想

State Estimation for Robotics 《机器人状态估计》英文版原文（2020最新版），已更正前期排版错误；更新时间：July 03 2020年。已按单页排版方便阅读，内容完美。

利用二次规划完整的解决了带有约束问题的MPC

USMT（User State Migration Tool，用户状态移转工具）是微软Windows 的一种安装工具，用处是协助用户在升级时，把原来电脑的设定转移到新的电脑上。适用于： Windows(R) 7 Windows Server(R) 2008 R2 Windows Server(R) 2008 带有 Service Pack 1 (SP1) 的 Windows Vista(R)

Optimal State Estimation 课后上机练习源码，对于理解书中概念有很大帮助

原文链接：https://blog.csdn.net/m0_37814112/article/details/122170537

原文链接：https://blog.csdn.net/m0_37814112/article/details/122170537 说明：上述资源包括部署清单文件、镜像文件、告警规则文件

联合状态估计器 卡尔曼滤波器，用于根据关节位置测量值估计关节速度和加速度。

小波变换及matlab原始码最新的可再现图像恢复 基于深度学习的图像恢复工作的最新技术，包括图像超分辨率，降噪，修复，增强和一般恢复等。某些代码可能不是官方的，请仔细检查。 每个小节下的列表可能有重叠。 此列表由维护。 信息来源 该系列的灵感来自以下来源，并进行了重新组织： 去噪 超分辨率 图像超分辨率 我们遵循来组织网络设计思想中的相关工作。 每个小节下的列表可能有重叠。 监督方法 基于深度学习的超分辨率始于SRCNN。 神经网络使用深度卷积网络（TPAMI15）的图像超分辨率，Dong等。 剩余学习 VDSR 使用非常深的卷积网络（CVPR16）进行准确的图像超分辨率，Kim等。 网际网路Memnet：用于图像恢复的持久性存储网络（ICCV17），Tai等。 红色的使用具有对称跳过连接的超深度卷积编码器/解码器网络进行图像恢复（NIPS2016），Mao等人。 DRRN Tai等通过深度递归残差网络（CVPR17）实现图像超分辨率。 国际化域名Hui等人通过信息蒸馏网络（CVPR18）进行快速，准确的单图像超分辨率。 EDSR Lim等人，用于单图像超分辨率的增强型深度残差网络（N