springboot
Spring Boot简介spring团队开发的框架简化spring应用开发。早期J2EE开发笨重，配置繁多，开发效率低，部署流程复杂，第三方集成困难。springboot整合了整个spring开发栈，不需要对每个栈分别学习开发，j2ee一站式解决方案优点：
快速建立独立运行的spring项目以及与主流框架集成。
使用嵌入式servlet容器，应用无需打成war包， 如果用war包系统要有tomcat。
starters启动器自动依赖与版本控制。
自动配置。不需要了解大量的配置。
无需配置xml,无代码生成，开箱即用。
生产环境运行时应用监控。
云计算的天然集成。缺点：入门容易精通难，要了解些spring框架底层的api。微服务martin fowler 2014描述微服务：https://martinfowler.com/articles/microservices.html#MicroservicesAndSoa一种架构风格，一个应用应该是一组小型服务，可以通过http的方式进行互通。
单体服务：每个功能元素放进同一个进程中，通过多个服务器复制该单体进行扩展。优点：开发测试简单， ...
智能排程
蚁群算法蚁群算法（Ant Colony Optimization, ACO） 是一种基于群体智能的元启发式算法，灵感来源于蚂蚁觅食行为。蚂蚁在寻找食物时，会通过释放信息素（pheromone）来标记路径，其他蚂蚁会根据信息素的浓度选择路径。通过模拟这一行为，ACO 可以有效地解决组合优化问题，如旅行商问题（TSP）。
蚁群算法的基本思想
蚂蚁的路径选择：
每只蚂蚁根据信息素浓度和启发式信息（如距离）选择下一个要访问的城市。
信息素浓度越高，路径被选择的概率越大。
信息素更新：
蚂蚁完成一次遍历后，会根据路径的长度更新信息素。
路径越短，信息素增加得越多。
正反馈机制：
信息素的积累和挥发形成正反馈机制，使得较优路径的信息素浓度逐渐增加。
TSP问题描述假设有n个城市，城市之间的距离用一个距离矩阵$D$表示， $D_{ij}$表示城市i,j之间的距离。目标是找到一个路径或排列$\pi=(\pi_1,\pi_2, …, \pi_n)$,使得以下总距离最小：
总距离=D_{\pi_1\pi_2}+D_{\pi_2\pi_3}+\cdots+D_{\pi_{n-1}\p ...
目标识别
基于深度学习的视觉目标检测技术综述作者：曹家乐，2022
发展历程
基于手工设计特征的方法
支持向量机
AdaBoost
Haar特征(Viola, 2004)
方向梯度直方图histograms of oriented gradients(Dalal, 2005)
深度学习
区域卷积神经网络region-based convolutional neural network, R-CNN (Girshick, 2014)
单次检测single shot detector, SSD (Liu, 2016)
yolo (Redmon, 2016)
detection transformer, DETR (Carion, 2020)
深度网络模型：
AlexNet(Krizhevsky,2012)
GoogLeNet(Szegedy,2015)
VGGNet(Simonyan,2015)
ResNet(He,2016)
DenseNet(Huang,2017)
Mobilenet(Howard,2018)
ShuffleNet(Zhang,2018)
SENet(Hu, 2018 ...
autojs
学习路径：1、 javascript2、ES6语法: https://es6.ruanyifeng.com/3、autjs文档、示例、实战：http://doc.autoxjs.com/#/4、代码书写规范5、autojs错误调试和分析
脚本开发环境搭建autojs 4.1.1版本安装和使用手机
windows环境
apk包(https://github.com/kkevsekk1/AutoX/releases)：拉入手机、更多下载服务、auto.js无障碍服务
稳定模式：可以适配更多手机
悬浮窗：
连接电脑：
投屏软件：scrcpy (https://github.com/Genymobile/scrcpy)
下载scrcpy_win64-vxxx
手机打开开发者模式：设置->我的设备->多次点击版本 ->更多设置->开发者模式->usb模式->连接usb线
->无线连接(用adb命令)
...
asyncio并发
GIL: global interpreter lockevent loopasyncio:
同步：
代码顺序运行。如果一行代码运行很慢怎么办？该行代码之后的代码就要等待该行代码完成。
解决方案：协程，允许同时处理多个任务。
异步编程：
调用函数的位置不是执行函数的位置，执行函数的位置可以拖后。
耗时的任务从主应用程序中分离出来并在后台运行，不是阻塞其他代码等待该耗时任务完成，其他代码必须是不依赖耗时任务的代码。
协程是一种方法，该方法可以被暂停当有耗时任务时，然后恢复运行当耗时任务完成后。
使用async和await语法使异步代码看上去像同步代码运行一样。
asyncio库以异步方式（使用协程模型：单线程事件循环）执行协程。
asyncio能够通过与多线程和多进程的操作处理其他类型操作。
asyncio可以用于I/O型操作也能用于CPU型操作。
I/O型和CPU型操作对比：区别：阻碍代码更快运行的限制因素是I/O操作还是CPU操作。
并发，并行和多任务并发和并行如何调度、执行各任务、方法、例行？并发：虽然并发表示多任务在同时发生（被同时执行），但不意味着这些任务可以同时运行。 ...
PyQt5
hexo-jupyter-notebook
jupyter-notebook/main.py文件中html_exporter.template_file = ‘full’注释掉或者改为html_exporter.template_file = ‘full.tpl’否则编译出错,以及如下参数作修改。
1<iframe>中的width='800px', height='1000px'
$("#ipynb").load( function() {
console.log($("#ipynb").contents().find("body").find("#notebook"));
document.getElementById('ipynb').height=$("#ipynb").contents().find("#notebook").height()+100;
})
“http://code.jquery.com/jquery-2.0.0.js“
“https://cdn.bootcss.com/jqu ...
tikz
tikz知识tikz手册英文
foreach命令使用格式\foreach [] in
options可选参数讲解：
var=可以替换位置参数,例如\foreach \x/\y in {0/red,1/green}替换为\foreach [var=\x,var=\y] in {0/red,1/green}
evaluate= as using
evaluate=用于将列表项求值后输出到替代原样输出到，例如\foreach \x [evaluate=\x] in {2^0,2^…,2^3}{$\x$, }得到$1,2,4,8$而不是$2^0,2^1,2^2,2^3$
as 将evaluate得到的值或者得到的值存到中而不是中，例如\foreach \x [evaluate=\x as \xeval] in {2^0,2^…,2^3}{$\x=\xeval$, }得到$2^0=1.0,2^1=2.0,2^2=4.0,2^3=8.0$
using 求值时不用显式的将公式用到列表中每个项而将公式放到中，中必须包含至少一个，例如\foreach \x [evaluate=\x as \ ...
数学知识
概率论先验、后验、似然根据原因的可能性、结果的可能性、它们的先后顺序和条件关系判断后验概率由果溯因，由结果概率分布估计原因概率分布，记作$p(原因｜结果)$条件概率先验概率人为假设原因的概率分布，与结果概率分布无关，记作$p(原因)$条件概率似然概率由因溯果，由原因概率分布估计结果概率分布，记作$p(结果｜原因)$条件概率evidence实际经验给出结果的概率分布，不考虑原因的概率分布，记作$p(结果)$贝叶斯公式
p(\theta|x)=\frac{p(x|\theta)p(\theta)}{p(x)}$x$:观察测量（结果）$\theta$:状态量（原因）$p(\theta|x)$:后验几率$p(\theta)$:先验几率$L(\theta|x)或p(x|\theta)$:似然几率$p(x)$:经验几率
MLE-最大似然估计: 频率学派求模型参数$\Theta$
\begin{aligned}
\hat{\Theta}_{\mathrm{MLE}}&=\arg\max P(X|\Theta) \\
&=\arg\max P(x_1|\Theta)P(x_2|\T ...
机器人操作系统
第一章模拟器：Gazebo学习：机械设计、电路设计、嵌入式编成等安装：https:/ / github. com/ qboticslabs/ learning robotics 2nd_ edros是什么：开发包的集合，是原操作系统ros特点：
消息接口：内部通讯
硬件抽象：
包管理：ros节点以包为单位组织(package)，一个包由源码、配置文件、编译文件构成。
第三方库集成：opencv, PCL, OpenNI
低级设备控制: I/O端口
分布式计算：将计算分布在多个计算节点上
代码复用
语言依赖：python, C++
易测试: 测试包
易扩展ros能力：
机器人导航
机器人定位
建图
操纵
概念ros文件系统：文件组织
包: package
包的清单文件: package.xml
消息类型：*.msg
服务类型: *.srvros计算图：处理数据的端到端系统网络
节点(Node): 一个节点代表一个进程，使用ros函数处理数据
主程序(Master):主程序连接组织各节点
参数(Parameter): 是个静态值放在全局位置
话题(topic): 一个命名的总线 ...
