04、Python中if、for、while语句的使用参考Python爬虫编程基础5天速成（2021全新合集）Python入门+数据分析1、基础if语句注意下方print前面有一个TAB，必须要这么写：a = 10if a == 10:#此处有一个冒号print("TRUE")结果：2、if-else语句if-else语句下面的执行语句必须对其（如下都有一个TAB空格），不然可能会报错：a = 9

02、ADS使用记录之导入各类仿真模型导入参考的书籍是卢益锋老师的ADS射频电路设计与仿真学习笔记基于ADS2021前置教程：01、ADS使用记录之新建工程1、导入DesignKit文件在01、ADS使用记录之新建工程的教程工程基础上进行导入。点击最上方工具栏的DesignKit按键：选择第一个选项，Unzip Design Kit。点击后出现弹窗要求选择对应的zip文件：选择下载的官方ADS模型

当然，微带线阻抗的仿真和实际的测量是有一定差别的，在仿真时候我们可以用波端口或者使用CPML边界截断，而实际测量的话手段是非常有限的。之前也提到，微带线特性阻抗对于不同频率是变化的，在10GHz处，计算出来的特性阻抗为93.6欧姆。当然，有些刚刚入门的小伙伴会问了，特性阻抗不是可以使用公式进行计算的嘛，确实是这样的，但是这种是基于大量近似的计算，其精度必然没有电磁学方法准确。：用于计算单或多导体传

最近好久没更新，在搞华为的软件挑战赛（软挑），好卷只能说。去年还能混进32强，今年就比较迷糊了，这东西对我来说主要还是看运气，毕竟没有实力哈哈哈。但是，好歹自己吭哧吭哧搞了两周，也和大家分享一下自己的收获吧，希望能为后来有需要的同学提供一些帮助。我其实不太了解寻路算法的，很多代码也是找的demo自己改的，非常感谢这些大佬的帮助，有些引用可能现在也找不太到了，列不出来，非常感谢万能网友的代码，在此一

STM32CUBEMX配置教程（十）STM32的ADC读取内部温度传感器

数据的严重偏斜往往会导致监督学习算法面临巨大的挑战——尤其是在负样本数量稀缺的情况下，监督学习模型难以充分汲取必要的知识。这就引发了一个重要的问题：我们能否从这种极端不平衡的数据中成功地训练出一个有效的异常检测模型呢？处于图片的中心位置，是概率密度最高的地方，这代表此种情况是经常发生的。至于为什么小概率事件会等同于异常呢，打个比方，训练集得出结论人是吃米的，但是出来一个奇葩人居然吃虫子，那么这个不

机器学习多层感知机MLP的Pytorch实现-以表格数据为例-含数据集和PyCharm工程中简单介绍了在python中使用pytorch搭建神经网络模型的步骤和代码工程，此处介绍AI模型的跨平台调用问题，即使用跨平台的ONNX框架，在C++代码中进行模型调用。在机器学习多层感知机MLP的Pytorch实现-以表格数据为例-含数据集和PyCharm工程中，我们对训练完成的模型进行了模型的保存：此处我

最近被TRPO算法搞得头大，对于其中用到的共轭梯度法等优化算法也不了解，在此详细分析一下最速下降法、梯度下降法、共轭梯度法三者的异同。下面是使用最速下降法得到的优化过程图像，其中心位置为最小值点，大致的搜索方向是由右上到中心，每一次转折点就代表已经。，而是往往直接指定一个超参数的学习率Lr，修改上述的Matlab代码，不再使用最速下降法的步长计算式（之前也提到了，最速下降法是个蛮牛一样的角色，每次

Reward：奖励R，每次（每一步）与环境进行交互都会获得奖励，玩一整局，奖励的和自然是越多越好。Q(s,a)：动作价值函数，其输入为当前状态和要执行的动作，输出为该动作能带来多大的价值，因此，一种贪心的方法是选择能够使Q(s,a)最大动作执行。QπstatEst1at1∑l0∞γlrstlQπ​st​at​Est1​at1​l0∑∞​γlrstl​Q(s,a)的维度等于动作空间的维度。

番外6：ADS功放设计之使用Smith圆图确定输入与输出匹配的合理性