5.1 时变位置和姿态的符号表示 5.2 刚体的线速度和角速度 5.3 机器人连杆的运动 5.4 雅可比矩阵 5.5 机械臂中的静力

$7.0 什么是机器学习 $7.1 相关关系和相关系数(correlation and correlation coefficient) $7.2 相关系数的显著性检验 $7.3 线性回归和非线性回归 $7.4 一元线性回归线的置信区间 $7.5 多元二项式回归的Matalab实现 $7.6 回归方程的拟合检验 $7.7 Logistic Regression (Intuition) $7.8 Support Vector Machines (支持向量机) $7.9 Training, Validation, and Test

02 非参数分析的重要性 03 什么是非参数分析 (Nonparametric Analysis) 04 全局平滑法 (Global Smoothing) 目录 01 导论 06 非参数方法与机器学习 07 结论 08 05 局部平滑法 (Local Smoothing)

5.1 时变位置和姿态的符号表示 5.2 刚体的线速度和角速度 5.3 机器人连杆的运动 5.4 雅可比矩阵 5.5 机械臂中的静力

3.1 开始使用Python 3.2 Ubuntu/Linux中的Python 3.3 本章小结

2.1 C++入门 2.2 在Ubuntu Linux中运行C++ 2.3 从实例中学习OOP概念 2.4 建立一个C++工程

1.1 从GNU/Linux入门 1.2 安装Ubuntu 1.3 使用Ubuntu图形用户界面 1.4 shell命令入门

本文应用拉格朗日方程和保罗近似方法[1]来建立我院钢铁机器人—1操作手的动力方程。为了突出动力方程的物理意义,而根据操作手机构的动能和势能,来找出各关节力矩与各关节角加速度之间的简单关系式;为了实际应用,利用保罗近似方法来简化求导计算过程

8.1 机器学习的基本概念 8.2 机械学习 8.3 指导学习 8.4 类比学习 8.5 归纳学习 8.6 解释学习 8.7 知识发现与数据挖掘 8.8 学习控制系统

9.1 机器学习概述 9.2 符号学习 9.3 神经网络学习 9.4 知识发现与数据挖掘