【直播回顾】如何成为一名优秀的OpenHamrony贡献者?

OpenHarmony开发者 2022-05-19 15:48:40

5月18日晚上19点,战“码”先锋第一期直播《如何成为一名优秀的OpenHamrony 贡献者?》,在OpenHarmony社群内成功举行。

 

本期课程,由润和资深软件开发工程师赵海鹏老师主讲,是「OpenHarmony开源贡献者计划」“战码先锋,PR 征集令”系列活动配套直播之一。「OpenHarmony开源贡献者计划」活动自发布以来,已收到300+PR,新晋20+Contributors。为了帮助更多新手开发者开启开源之旅,我们联合6大OpenHarmony开源大咖,精选5大简单上手的开源代码仓,Docs、ARkUI、媒体子系统、测试子系统、启动恢复,在【战“码”先锋直播间】,在线讲解贡献指南,帮助热爱开源的你更好的参与开源共建。

 

第一期《如何成为一名优秀的OpenHamrony 贡献者?》直播中,赵海鹏老师分享了他的10年技术成长之路,以及在研发DAYU200(业内首款支持OpenHarmony 3.1 Release 版本的开发板) 过程中对OpenHarmony 开源贡献的一些实践及思考,希望能给广大开发者一些启发,更好地开启开源贡献之路。

 

欢迎大家长按下方海报扫码,回看5月18日晚的战“码”先锋第一期直播课:

 

 

OpenHarmony战“码”先锋系列所有直播课,以及更多OpenHarmony社群举办的直播课程,我们都将在OpenHarmony B站官方账号“OpenHarmony开发者社区”上汇总发布。欢迎广大开发者锁定观看、收藏学习:OpenHarmony开发者社区的个人空间_哔哩哔哩_Bilibili

 

...全文
149 1 打赏 收藏 转发到动态 举报
AI 作业
写回复
用AI写文章
1 条回复
切换为时间正序
请发表友善的回复…
发表回复
CSDN-Ada助手 2023-01-13
  • 打赏
  • 举报
回复
您可以前往 CSDN问答-软件工程 发布问题, 以便更快地解决您的疑问
内容概要:本书《Deep Reinforcement Learning with Guaranteed Performance》探讨了基于李雅普诺夫方法的深度强化学习及其在非线性系统最优控制中的应用。书中提出了一种近似最优自适应控制方法,结合泰勒展开、神经网络、估计器设计及滑模控制思想,解决了不同场景下的跟踪控制问题。该方法不仅保证了性能指标的渐近收敛,还确保了跟踪误差的渐近收敛至零。此外,书中还涉及了执行器饱和、冗余解析等问题,并提出了新的冗余解析方法,验证了所提方法的有效性和优越性。 适合人群:研究生及以上学历的研究人员,特别是从事自适应/最优控制、机器人学和动态神经网络领域的学术界和工业界研究人员。 使用场景及目标:①研究非线性系统的最优控制问题,特别是在存在输入约束和系统动力学的情况下;②解决带有参数不确定性的线性和非线性系统的跟踪控制问题;③探索基于李雅普诺夫方法的深度强化学习在非线性系统控制中的应用;④设计和验证针对冗余机械臂的新型冗余解析方法。 其他说明:本书分为七章,每章内容相对独立,便于读者理解。书中不仅提供了理论分析,还通过实际应用(如欠驱动船舶、冗余机械臂)验证了所提方法的有效性。此外,作者鼓励读者通过仿真和实验进一步验证书中提出的理论和技术。

564

社区成员

发帖
与我相关
我的任务
社区描述
OpenHarmony开发者社区
其他 企业社区
社区管理员
  • csdnsqst0025
  • shewaliujingli
  • BaoWei
加入社区
  • 近7日
  • 近30日
  • 至今

试试用AI创作助手写篇文章吧