为了实现欠驱动自治水下机器人(AUV) 三维航迹跟踪控制, 基于非完整系统理论分析了AUV缺少横向推进器时的欠驱动控制系统特性, 并验证了欠驱动AUV存在加速度约束不可积性. 基于李亚普诺夫稳定性理论, 利用自适应Backstepping 设计连续时变的航迹点跟踪控制器, 以抑制外界海流的干扰. 仿真实验表明, 所设计的控制器能实现欠驱动AUV对一序列三维航迹点的渐近镇定, 并且航迹跟踪的精确性和鲁棒性明显优于PID 控制.

说明： 完成欠定盲语音分离，源信号为3路输入，有2路麦克风，用c实现。 (Underdetermined blind speech separation is completed, the source signal is 3 inputs, 2 mic, with c achieve.)

过拟合与欠拟合.pdf

行业分类-电子政务-一种欠压采集电路.zip

目录 过拟合、欠拟合及其解决方案 训练误差和泛化误差 过拟合和欠拟合的概念 模型复杂度和误差之间的关系 解决过拟合的方案 梯度消失及梯度爆炸 循环神经网络进阶 GRU LSTM 深度神经网络 过拟合、欠拟合及其解决方案 训练误差和泛化误差        在解释上述现象之前，我们需要区分训练误差（training error）和泛化误差（generalization error）。通俗来讲，前者指模型在训练数据集上表现出的误差，后者指模型在任意一个测试数据样本上表现出的误差的期望，并常常通过测试数据集上的误差来近似。计算训练误差和泛化误差可以使用之前介绍过的损失函数，例如线性回归用到的平方损失函

行业文档-设计装置-一种车载多媒体设备用的欠压报警电路

行业分类-电子政务-一种基于分压电阻的输入欠压告警检测电路.zip

行业分类-设备装置-欠驱动耦合式全方位越障平台.zip

二阶状态轨迹显示（欠阻尼、过阻尼、临界阻尼、无阻尼MATLAB GUI）,输入RCL参数值，显示阶跃响应，并画出二阶状态轨迹曲线。

今天小编就为大家分享一篇python数据预处理 :样本分布不均的解决(过采样和欠采样)，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧