张小跳 - 记录学习与生活的技术博客https://blog.tolshao.xyzhttps://blog.tolshao.xyz/article/11711https://blog.tolshao.xyz/article/11711/关键词：#电机设计#NASA#永磁同步电机你好！我是老列，一个在机电领域摸爬滚打了15年的“老工头”。今天不聊那些空洞的行业黑话，咱们把目光投向云端。⚡最近我翻看了NASA的一份硬核技术报告——《飞机永磁同步电机的解析设计与性能评估方法》。不禁感叹：咱们平时搞地面工业电机的，觉得功率密度做到极致了，Fri, 23 Jan 2026 00:00:00 GMThttps://blog.tolshao.xyz/article/29935https://blog.tolshao.xyz/article/29935/FOC就是把交流当直流使？老列带你捅破这层窗户纸你好！我是老列。👋咱们上一篇聊了那些高大上的航空电机硬件设计，算是把“肉体”构造摸了一遍（筋骨还放在后头吧）。今天，咱们得给这具钢铁躯壳注入“灵魂”——FOC（磁场定向控制）。⚡说实话，当年（前两天）我刚接触FOC的时候，也被满屏的坐标变换、SVPWWed, 21 Jan 2026 00:00:00 GMThttps://blog.tolshao.xyz/article/52045https://blog.tolshao.xyz/article/52045/哈喽，大家好，我是张小跳！还记得我之前写的那篇《ios黄页：可算让iPhone好用了点儿》吗？那个手动导入vCard的方法，虽然能解一时之急，但每次更新都得手动操作，简直不要太麻烦！不过别担心，今天我带来了一个终极解决方案，让你一劳永逸，彻底告别手动更新的烦恼！那就是——CardDAV订阅！🤔什么Thu, 24 Jul 2025 00:00:00 GMThttps://blog.tolshao.xyz/article/61469https://blog.tolshao.xyz/article/61469/Python-Latex主题分享人生苦短，我用PythonLifeisshort,youneedPython——BruceEckel优点优雅、明确、简单特点易于上手：跨平台，开源，短小精悍易于阅读：没有太多仪式化的东西：使用变量：声明、定义……乍一看就能知道在干啥丰富的库：（CSDN？？？）PillFri, 24 Sep 2021 00:00:00 GMThttps://blog.tolshao.xyz/article/56592https://blog.tolshao.xyz/article/56592/什么是HiDPI全名：HighDotsPerInch它使用横纵2个物理像素也就是4个物理像素来显示1个像素区域，结果就是图像的细节得到翻倍、更清晰、边缘更平滑。拿13寸的MacBookPro举例，它的屏幕物理分辨率是2560x1600，所以原生的HiDPI分辨率就是1280x800。更高的一档144Thu, 07 Jan 2021 00:00:00 GMThttps://blog.tolshao.xyz/article/40502https://blog.tolshao.xyz/article/40502/gym入门gym是用于开发和比较强化学习算法的工具包。它不对代理的结构做任何假设，并且与任何数字计算库(例如TensorFlow或Theano)兼容。gym库是测试问题(环境)的集合，您可以用来制定强化学习算法。这些环境具有共享的接口，使您可以编写常规算法。安装首先，您需要安装Python3.5+。Tue, 08 Sep 2020 00:00:00 GMThttps://blog.tolshao.xyz/article/5666https://blog.tolshao.xyz/article/5666/这里有很多形象的图，方便理解强化学习的公式知乎白话强化学习，有空了可以来看强化学习-11：MatlabRLAgent：由Policy和RL_Algorithm构成policy负责将observation映射为actionRL_Algorithm负责优化policyEnviroment：输入actioTue, 08 Sep 2020 00:00:00 GMThttps://blog.tolshao.xyz/article/50894https://blog.tolshao.xyz/article/50894/RL回顾首先先来回顾一下强化学习问题中，环境Env和代理Agent分别承担的角色和作用。RL组成要素是Agent、Env代理和环境分别承担的作用Agent：由Policy和RL_Algorithm构成，这种对RL_algorithm的算法理解比较宽泛policy负责将observation映射为acThu, 03 Sep 2020 00:00:00 GMThttps://blog.tolshao.xyz/article/9368https://blog.tolshao.xyz/article/9368/参考自知乎（叶强）Introduction在实践2中，介绍了gym环境的定义和使用方法。在实践1中，介绍了动态规划DP求解价值函数并没有形成一个策略Policyπ\pi来指导agent的动作选取，本节将利用SARSA（0）的学习方法，帮助agent学习到价值函数(表），指导ϵ\epsilon-greThu, 03 Sep 2020 00:00:00 GMThttps://blog.tolshao.xyz/article/24680https://blog.tolshao.xyz/article/24680/RL实践1——值迭代求解随机策略参考自叶强《强化学习》第三讲，方格世界——使用动态规划求解随机策略动态规划的使用条件时MDP已知，在简单游戏中，这个条件时显然成立的使用Valueiteration的方法求解每个状态的价值函数，迭代收敛之后，对应最优策略生成。注意：动态规划和强化学习都用的价值函数，区Wed, 02 Sep 2020 00:00:00 GMThttps://blog.tolshao.xyz/article/44996https://blog.tolshao.xyz/article/44996/1、前沿stateofart学习经典游戏的原因规则简单，细思又很深入历史悠久，已经被研究了几百年对IQ测试有意义是现实世界的问题的缩影已经有很多RL案例，战胜了人类，例如2、游戏理论gametheory游戏的最优性对于石头剪刀布来说，最优策略，显然和对手agent策略相关，我们期望找到一种一致的策略Thu, 27 Aug 2020 00:00:00 GMThttps://blog.tolshao.xyz/article/10630https://blog.tolshao.xyz/article/10630/1、introduction本章的主题是关于利用和探索的矛盾：Exploitation：利用当前已知信息做决策Exploration：探索未知空间获取更多信息最佳的策略是用长期的眼光来看，放弃短期高回报获取足够策略是让策略变成全局最优的必要条件几个基本的探索方法：主要分三类：随机基于不确定性信息状态Sun, 23 Aug 2020 00:00:00 GMThttps://blog.tolshao.xyz/article/32918https://blog.tolshao.xyz/article/32918/动机🤔有时候想看视频，遭遇1-2min的广告，望而却步“歪，我要看的视频也就3min好嘛？？？”有时候你想看个新闻，却还要装个Flash想起乔帮主说的话“移动时代是低功耗设备、触摸屏界面和开放网络标准的时代，Flash已经落伍。”于是乎，mac和win平台下，都有解😎SolutionMac下，果Fri, 21 Aug 2020 00:00:00 GMThttps://blog.tolshao.xyz/article/48156https://blog.tolshao.xyz/article/48156/Introduction简单说图床就是一个在网络上存储图片的地方，目的是为了节省本地服务器空间（.md和.html文件里图片是以链接的形式），加快图片打开速度，主要是个人博客和网站使用。微博图床：挂了已经SM.MS：国外服务，慢imgur：国外，被Q，慢七牛云：需要注册国内域名，备案麻烦阿里云：要花Wed, 19 Aug 2020 00:00:00 GMThttps://blog.tolshao.xyz/article/43743https://blog.tolshao.xyz/article/43743/1、introduction第7章节，讲了PG，从episode经验学习到策略policy之前的章节，讲了从episode经验学习到价值函数本章，从过去经验学习到环境模型通过规划的手段，构建值函数或者策略Model-free没有模型从经验中学习，得到价值函数Model-based有模型根据模型规划价Mon, 17 Aug 2020 00:00:00 GMThttps://blog.tolshao.xyz/article/6809https://blog.tolshao.xyz/article/6809/让hexo渲染MathJax复杂公式(默认的渲染引擎复杂公式会报错)Problem对复杂公式的支持不够好，简单公式可以显示，复杂编译错误，验证表明，问题不是mathjax.js导致，是默认hexo引擎编译导致html文本转义错误。ReasonHexo默认使用”hexo-renderer-markedWed, 12 Aug 2020 00:00:00 GMThttps://blog.tolshao.xyz/article/33814https://blog.tolshao.xyz/article/33814/之前的策略优化，用的基本都是ϵ\epsilon-greedy的policyimprove方法，这里介绍policygradient法，不基于v、q函数1.introduction策略梯度是以P(a∣s)P(a|s)入手，概率π(s,a)\pi(s,a)的形式，同样是modelfree的πθ(s,a)Tue, 11 Aug 2020 00:00:00 GMThttps://blog.tolshao.xyz/article/85476https://blog.tolshao.xyz/article/85476/为什么想写个博客耍？我们在生活和工作中会遇到的各种问题，现在基本都能从互联网上找到答案，因为个体相较于群体，所能接触到的面，太窄，也太小了。以前常去“百度知道”去搜答案，上网的门槛逐步降低之后，“知道”也不知道了，碎片化的问答里总是充斥着各种水军、广告，令人窒息。现在，你询问搜索引擎的问题，大多会在Sat, 08 Aug 2020 00:00:00 GMThttps://blog.tolshao.xyz/article/11709https://blog.tolshao.xyz/article/11709/张小跳-ios黄页分享一个ios黄页工具，领取方式见文末黄页是什么说白了，可以理解为指电话号码簿，几乎世界每一个城市都有过这种纸张为载体所印制的电话号码本。【百度百科】定义：黄页是国际通用按企业性质和产品类别编排的工商企业电话号码簿，以刊登企业名称、地址、电话号码为主体内容，相当于一个城市或地区的工Fri, 07 Aug 2020 00:00:00 GMThttps://blog.tolshao.xyz/article/47018https://blog.tolshao.xyz/article/47018/一年级的时候搬砖搬多了，数分课也没好好上，回头一看，这么简单的东西，当时竟然整的稀里糊涂的。为什么要用RK4先po一张图，直观感受一下仿真的误差。对于给定线性常微分方程x˙=x\dotx=x易得，其解是x(t)=Cetx(t)=Ce^tRK4是龙格库塔法曲线，None是一阶解法x(t+dt)=x(tWed, 05 Aug 2020 00:00:00 GMThttps://blog.tolshao.xyz/article/44645https://blog.tolshao.xyz/article/44645/introductionv、q表的问题解决离散化的s,a,导致q-table存储量、运算量大解决连续s、a的表示问题solution用带权重估计函数，估计vorqv^(s,w)≈vπ(s)orq^(s,a,w)≈qπ(s,a)\begin{aligned}\hat{v}(s,\mathbf{w})&Wed, 05 Aug 2020 00:00:00 GMThttps://blog.tolshao.xyz/article/41268https://blog.tolshao.xyz/article/41268/深度学习精炼图笔记总结本文转自知乎（Sophia）公众号【计算机视觉联盟】笔记图片由TessFerrandez整理，这套信息图优美地记录了深度学习课程的知识与亮点。因此它不仅仅适合初学者了解深度学习，还适合机器学习从业者和研究者复习基本概念。这不仅仅是一份课程笔记，同时还是一套信息图与备忘录。从深度Mon, 03 Aug 2020 00:00:00 GMThttps://blog.tolshao.xyz/article/46547https://blog.tolshao.xyz/article/46547/Keras是一个高层神经网络API，Keras由纯Python编写而成并基于Tensorflow、Theano以及CNTK后端。Keras为支持快速实验而生，能够把你的idea迅速转换为结果，如果你有如下需求，请选择Keras：简易和快速的原型设计（keras具有高度模块化，极简，和可扩充特性）支持Mon, 03 Aug 2020 00:00:00 GMThttps://blog.tolshao.xyz/article/50334https://blog.tolshao.xyz/article/50334/适用于：MDPmodel未知：经验的采样可以获取MDPmodel已知：无法使用（e.g.原子级动力学），采样可以使用策略、非策略学习：On-policy：动作采样来自policyπ\piOff-policy：采样来自采样μ或来自于其他策略π\pi，On-policyMCcontrol贪婪策略梯度法如Sat, 01 Aug 2020 00:00:00 GMThttps://blog.tolshao.xyz/article/46319https://blog.tolshao.xyz/article/46319/AI->机器学习分类图分类几种网络结构分类NN——回归预测CNN（convolutionNN）卷积神经网络——图片RNN(RecurrentNeuralNetwork）递归神经网络——声音、语言处理LSTM长短期记忆网络——激活函数sigmoidReLU——rectifiedlinearunit修正Thu, 23 Jul 2020 00:00:00 GMThttps://blog.tolshao.xyz/article/71093https://blog.tolshao.xyz/article/71093/卷积神经网络CNN（convolutional）卷积运算：原图像*卷积核=新图像，经常用来做边缘检测人造核：手动指定权重，改善效果指定核权重为变量，通过反向传播，学习卷积核的权重补白和步幅决定了卷积后的补白PaddingValidconvolution：p=0n×n∗f×f−>(n−f+1)×(n−Wed, 15 Jul 2020 00:00:00 GMThttps://blog.tolshao.xyz/article/22875https://blog.tolshao.xyz/article/22875/高级控制理论Dr_canARC步骤Wed, 15 Jul 2020 00:00:00 GMThttps://blog.tolshao.xyz/article/64551https://blog.tolshao.xyz/article/64551/Introduction这一章，解决的是用prediction的方法，来评估策略π\pi的问题。对于Env来说，不是参数已知的MDP比如元组中a、s、P的关系不确定or未知Prediction->ControlEvaluation->Optimization蒙特卡洛法Monte-CarlolearnWed, 15 Jul 2020 00:00:00 GMThttps://blog.tolshao.xyz/article/16787https://blog.tolshao.xyz/article/16787/规划，适用于MDP模型参数已知学习，适用于Env未知或部分未知概述动态规划分为两步，Prediction、Control（Prediction）Valueπ\pi的评价<s,Pπ,Rπ,γ>,π→Vπ<s,P^\pi,R^\pi,\gamma>,\pi\rightarrowV_\Fri, 10 Jul 2020 00:00:00 GMThttps://blog.tolshao.xyz/article/19122https://blog.tolshao.xyz/article/19122/MBSE根据国际系统工程协会（INCOSE）在2007年发布的《SE愿景2020》中的定义，MBSE是建模方法在系统工程中的形式化应用，用以支持在系统全生命周期内开展需求、设计、分析、验证和确认相关的活动。从定义可以看到，MBSE是基于文档的传统系统工程工作模式的演进，力求以多视角的系统模型做为桥梁Wed, 08 Jul 2020 00:00:00 GMThttps://blog.tolshao.xyz/article/8136https://blog.tolshao.xyz/article/8136/马尔科夫过程（MarkovProcess，MP）我们说一个state若满足，则其具有马尔可夫性，即该state完全包含了历史中的所有信息。马尔科夫过程是无记忆的随机过程，即随机状态序列具有马尔可夫属性。一个马尔科夫过程可以由一个元组组成⟨S,P⟩\langle\mathcal{S},\mathcalSun, 05 Jul 2020 00:00:00 GMThttps://blog.tolshao.xyz/article/35925https://blog.tolshao.xyz/article/35925/概述强化学习是一门多学科交叉的技术与传统控制的关系：相似性：RLtraditionalcontrolagentcontrollerenvplant+enviromentrewardfeedback（errorsignals）valueoptimizefunction不同点：传统的控制：将任务分解成多Wed, 01 Jul 2020 00:00:00 GMThttps://blog.tolshao.xyz/article/17905https://blog.tolshao.xyz/article/17905/AI->机器学习分类图矩阵补课特征值分解EVD，奇异值分解SVDAA是矩阵xix_i是单位特征向量λi\lambda_i是特征值Λ\Lambda是矩阵特征值EVD特征值分解（Theeigenvaluevaluedecomposition）针对方阵，特征值A=UΛU−1=UΛUTA=U\LambdaUSun, 28 Jun 2020 00:00:00 GMThttps://blog.tolshao.xyz/article/60230https://blog.tolshao.xyz/article/60230/Sequencemodel概述：处理样本数不规则的模型recurrentneuralnetwork递归神经网络参数共享,前->后样本逐个扫描a激活用一套参数y激活用一套参数参数流x、y个数不一致的RNN序列样本分类问题音乐生成、机器翻译RNN类型总结languagemodelwithRNN输出P(sThu, 25 Jun 2020 00:00:00 GMThttps://blog.tolshao.xyz/article/64835https://blog.tolshao.xyz/article/64835/Paper协作工具找词汇LinggleNetspeak杂志影响力ScimagoJournalSemanticScholarGooglescholarCorpusofContemporaryAmericanEnglish创新点理论创新结果创新方法创新写作规范—符号Latex智能引用clerveref，Sun, 03 May 2020 00:00:00 GMThttps://blog.tolshao.xyz/article/18232https://blog.tolshao.xyz/article/18232/系统工具效率Alfred置顶，比spotlight高效，支持各种插件，没有上限brew软件包管理工具，要装啥brewinstallxxx就好了Appcleanermac卸载软件就靠它，一键拖入，彻底清理干净。CleanMyMac、Dr.Cleaner还收费，笑死人istatemenus监控你的电脑，Fri, 01 May 2020 00:00:00 GMThttps://blog.tolshao.xyz/article/28407https://blog.tolshao.xyz/article/28407/经典控制理论动态系统建模通过配置系统输入u(t)，使u(s)G(s)的极点使系统满足一定特性一阶系统特性G(s)=as+aG(s)=\frac{a}{s+a}1a\frac{1}{a}是时间常数τ\tau，对应上升为0.634τ4\tau对应阶跃响应0.98二阶系统特性mx¨+Bx˙+kx=Fm\dSun, 05 Apr 2020 00:00:00 GMThttps://blog.tolshao.xyz/article/45671https://blog.tolshao.xyz/article/45671/系统相关系统安装工具系统安装、刻录工具U启动盘制作工具rufusWTG辅助工具wtg-assistantbootcamp蓝牙鼠标连不上重置SMC，关机，control➕option➕shift➕电源for10s，再开机Mac两个bin目录相同点/usr/bin和/usr/local/bin都是用来存Wed, 01 Apr 2020 00:00:00 GMThttps://blog.tolshao.xyz/article/64459https://blog.tolshao.xyz/article/64459/Texpad实时编译注意Texpadlive支持实时编译缺点：不支持高级packages，如cref经过验证，下列包不支持实时编译\crefname{figure}{Fig.}{Figs.}\crefname{table}{Table.}{Tables.}\crefname{appendix}{}{Wed, 18 Mar 2020 00:00:00 GMThttps://blog.tolshao.xyz/article/52406https://blog.tolshao.xyz/article/52406/代码片段snippets保存pdf调整a4纸至合适大小h=figure;plot(1:10);set(h,'Units','Inches');pos=get(h,'Position');set(h,'PaperPositionMode','Auto','PaperUnits','Inches','PSat, 01 Feb 2020 00:00:00 GMThttps://blog.tolshao.xyz/article/28408https://blog.tolshao.xyz/article/28408/python读取txt数据plot从txt获取数据defget_txt_result(filename,sp=-1,ep=-1,debug=False):fileReadObj=open(filename)#再读入后续的文件fileLines=fileReadObj.readlines()#一次性读Wed, 01 Jan 2020 00:00:00 GMT