miniMAL

（0） ubantu编译 V1.10得 任何例子 都可以成功 （1）WIN10下 下载mp1.10 直接编译 bare-arm，可以编译成功。 看样子估计是没有用到MPY-CROSS编译器。 那么先把这个例子移植到STM32中。 现移植bare吧。 弄了几个小时V1.10没有成功。 于是看以前得文章， https://blog.csdn.net/unsv29/article/details/84888568 发表日期是 2018.12.07 晚上11点吧，当然现在不是这个时间了，因为刚刚让我改了个名字。然后我在电脑里搜索 这个时间得mpconfigport.H这个文件 然后对照具体时间，竟然搜到了， 如下： 好的，现在把这个发到qq邮箱吧免得再也找不到了 （2）2019.04.30 22：57 实现了KEIL 下 软仿真 编译运行minimal ok，就是可以用过 来源： oschina 链接： https://my.oschina.net/u/4271739/blog/4464182

一篇 30 年前的论文，因为一次获奖，又重新出现在世人眼前。 机器之心报道，编辑：魔王、蛋酱、张倩。 近日，图灵奖得主、贝叶斯网络之父 Judea Pearl 在推特上提到，自己在三十年前与当时的博士生 Rina Dechter、Itay Meiri 合著的论文《时间约束网络（Temporal Constraint Networks）》，获得了由人工智能顶级国际期刊 AIJ 颁发的 2020 年经典论文奖。 这篇论文发表于 1991 年，涉及的主题是上世纪八十年代的热门话题——时间约束。目前，该论文在谷歌学术上的被引用次数接近 2500。论文一作 Rina Dechter 被认为是「深度学习」一词的首倡者。 这篇论文的获奖理由如下： 这篇影响深远的论文介绍了用于定量时间推理的时间约束满足问题（TCSP）。TCSP 及其特例——简单时间问题（STP，可在多项式时间内解决）在规划、调度等应用中得到广泛使用。该论文中简洁优雅的问题描述为后续多个方向的研究提供了启发，包括时间不确定性、偏好和其他扩展问题。 论文内容简介 论文链接： http:// ftp.cs.ucla.edu/pub/sta t_ser/r113-L-reprint.pdf 这篇论文将基于网络的约束满足方法进行扩展，使其包含连续变量，从而为处理时间约束提供了框架 。在这个叫做时间约束满足问题（TCSP）的框架中

　　机器之心报道 　　 编辑：魔王、蛋酱、张倩 　　 一篇 30 年前的论文，因为一次获奖，又重新出现在世人眼前。 　　 　　近日，图灵奖得主、贝叶斯网络之父 Judea Pearl 在推特上提到，自己在三十年前与当时的博士生 Rina Dechter、Itay Meiri 合著的论文《时间约束网络（Temporal Constraint Networks）》，获得了由人工智能顶级国际期刊 AIJ 颁发的 2020 年经典论文奖。 　　 　　这篇论文发表于 1991 年，涉及的主题是上世纪八十年代的热门话题——时间约束。目前，该论文在谷歌学术上的被引用次数接近 2500。论文一作 Rina Dechter 被认为是「深度学习」一词的首倡者。 　　 　　这篇论文的获奖理由如下： 　　这篇影响深远的论文介绍了用于定量时间推理的时间约束满足问题（TCSP）。TCSP 及其特例——简单时间问题（STP，可在多项式时间内解决）在规划、调度等应用中得到广泛使用。该论文中简洁优雅的问题描述为后续多个方向的研究提供了启发，包括时间不确定性、偏好和其他扩展问题。 　　 论文内容简介 　　 　　论文链接：http://ftp.cs.ucla.edu/pub/stat_ser/r113-L-reprint.pdf 　　 这篇论文将基于网络的约束满足方法进行扩展，使其包含连续变量

Konolige K , Grisetti G , Rainer Kümmerle, et al. Efficient sparse pose adjustment for 2D mapping[C]// 2010 IEEE/RSJ International Conference on Intelligent Robots and Systems. IEEE, 2010. 这是一篇讲解2D建图中的高效稀疏矩阵图优化的文章，谷歌的cartographer激光slam中位姿图优化主要便是基于思想来实现的。文章主要贡献是在 L M LM L M 优化过程中使用乔里斯基分解（Cholesky decomposition）实现稀疏 H H H 矩阵下的状态增量 Δ \Delta Δ x高效快速求解。 1. 摘要 图优化已经成为一种解决slam问题的主流方法。位姿图是由一系列非线性约束连接机器人位姿点构成，这些约束来自于位姿点周围共同的特征观测。由于直接非线性优化的计算时间与图的大小的3次方成比例增长， 优化大型位姿图 成为移动机器人一个比较大的瓶颈问题。文章为了解决这个问题， 提出一种有效的方法去构建和解决其中的线性化子问题 ，这是常规直接非线性优化方法中的性能瓶颈所在。作者将文中所提方法命名为 SPA（Sparse Pose Adjustment ）

boot.ini 文件是个启动引导程序文件，装多系统或者重装系统的时候会用到它 . achuan 51cto 技术博客 １ . 打开 achuan 51cto 技术博客 achuan 51cto 技术博客 默认的情况下这个文件是隐藏的，准确路径是 c:\boot.ini ，可以用记事本打开这个路径，也可以在“运行”中输入“ c:\boot.ini ”启动该文件。 常用的方法是去掉隐藏后用记事本打开，“资源管理器”→“工具”→“文件夹选项”→“查看”去掉“隐藏……”前面的√，“隐藏文件和文件夹”选“显示……”这样就去掉了隐藏，可以在 c:\ 看到 boot.ini 文件了。 ２ . 修改 achuan 51cto 技术博客 [boot loader] timeout=0 default=multi(0)disk(0)rdisk(0)partition(1)\WINDOWS [operating systems] multi(0)disk(0)rdisk(0)partition(1)\WINDOWS="Windows Server 2003, Enterprise" /nodetect /noguiboot achuan 51cto 技术博客 这是我的 win2003 的 boot.ini 文件，我就以我的这个来作示范 achuan 51cto 技术博客 首先， [boot

http://bbs.eeworld.com.cn/thread-1075703-1-1.html linux不熟 makefile不熟 window开发stm32很熟 目前在win10下编译micropython,用mingw64,这是msysgit自带的。 我说的micropython是v1.9以后的版本 编译大部分都是可以的，比如stm32下面的所有板卡，bare文件 也可以。不过需要改一下（在编译mpy-cross的时候就发生错误，所以就知道要改了，现在想来在windows下生成.exe文件。而在linux生成没有后缀。所以需要改makefile,比如编译stm32f4disc这个板卡，需要改py下的两个mk文件和stm32下的makefile.） 在用mingw64时候 用mingw32-make.exe 指令不用linux下的make指令。 目前仅仅编译minimal无法成功，因为这个调用了python3编译器，可能是为了生成那个frozen的c文件。linux的python3安装路径是usr/bin/env,但是我在window下py3不是在这个路径下的，所以还得改makefile,但是前面我说了，我makefile不熟。目前不会改。 事实上目前我若不用mingw64还用cygwin的话，是很可能会解决这个问题的，但是也不见得很顺利。 但是从长期看

题目描述 Johnny is a little boy - he is only three years old and enjoys playing with toy cars very much. Johnny has nnn different cars. They are kept on a shelf so high, that Johnny cannot reach it by himself. As there is little space in his room, at no moment may there be more than kkk toy cars on the floor. Johnny plays with one of the cars on the floor. Johnny's mother remains in the room with her son all the time. When Johnny wants to play with another car that is on the floor, he reaches it by himself. But when the toy is on the shelf, his mummy has to hand it to him. When she gives Johnny

一.简介 支持向量机(svm)的想法与前面介绍的感知机模型类似，找一个超平面将正负样本分开，但svm的想法要更深入了一步，它要求正负样本中离超平面最近的点的距离要尽可能的大，所以svm模型建模可以分为两个子问题： （1）分的对：怎么能让超平面将正负样本分的开； （2）分的好：怎么能让距离超平面最近的点的距离尽可能的大。 对于第一个子问题 ：将样本分开，与感知机模型一样，我们也可以定义模型目标函数为： \[f(x)=sign(w^Tx+b) \] 所以对每对样本 \((x,y)\) ，只要满足 \(y\cdot (w^Tx+b)>0\) ，即表示模型将样本正确分开了 对于第二个子问题 ：怎么能让离超平面最近的点的距离尽可能的大，对于这个问题，又可以拆解为两个小问题： （1）怎么度量距离？ （2）距离超平面最近的点如何定义？ 距离的度量很简单，可以使用高中时代就知道的点到面的距离公式： \[d=\frac{|w^Tx+b|}{||w||} \] 距离超平面最近的点，我们可以强制定义它为满足 \(|w^Tx+b|=1\) 的点（注意，正负样本都要满足），为什么可以这样定义呢？我们可以反过来看，一个训练好的模型可以满足：（1）要使得正负样本距离超平面最近的点的距离都尽可能大，那么这个距离必然要相等，（2）参数 \(w,b\) 可以等比例的变化，而不会影响到模型自身，所以 \(|w^Tx+b

我们为什么要更改MAC地址，也许你不希望你的实际MAC地址(物理地址)暴露在公共网络上。另一种情况是，网络管理员可能在网络设备中阻止了一个特定的MAC地址。 环境 Centos 7.7 Minimal GNU MAC changer 1.7.0 查询网卡和MAC地址 [root@localhost ~]# ip link show 1: lo: mtu 65536 qdisc noqueue state UNKNOWN mode DEFAULT group default qlen 1000 link/loopback 00:00:00:00:00:00 brd 00:00:00:00:00:00 2: ens33: mtu 1500 qdisc pfifo_fast state UP mode DEFAULT group default qlen 1000 link/ether 00:0c:29:48:4c:9a brd ff:ff:ff:ff:ff:ff 网卡名称是ens33，MAC地址是00:0c:29:48:4c:9a。请记下自己的MAC地址，稍后做完实验恢复到原来的MAC地址。 使用macchanger工具更改MAC地址 Macchanger可以查看、修改MAC地址。 安装macchanger [root@localhost ~]# git clone https:/

*环境为虚拟机环境 1.1 Redhat6.5安装 创建虚拟机 选择第一项 选择跳过磁盘检查 点击NEXT 选择英语 选择 清空数据 hostname:redhat65 时区选择上海，取消system clock uses UTC 自定义分区 点击create 选择第1项 先分swap分区 一般是1.2到1.5倍 这里我们给2G左右 操作同上，接来下分boot分区，boot是存放系统引导文件的分区。一般给200M就足够了。 接着分/var分区，最后才分/分区。把剩余空间全部给/分区 分区完成之后，点击next。选择格式化磁盘 创建分区系统 ps:格式化的本质就是在创建文件系统 这里默认配置即可 默认选择是：基本服务器。这里如果是熟悉Linux的用户可以选择Minimal。如果想要桌面的话可以选择Desktop 点击Next 等待安装完成即可 点击reboot进行重启 重启完成后出现下图页面，点击Forward 同意协议 设置软件更新，这里选择No I prefer to register at a later time 创建用户。我这里选择不创建。直接点击Forward 时间设置，如果时间不正确则修改，正确直接点击下一步 kdump是一种先进的基于kexec的内核崩溃转储机制 选择默认即可 进入系统后，先开启网络服务 ping 来源： oschina 链接： https://my