游行寺夜子的图书馆

以下是三月整个月大致要做完的东西：

• 高数：
  (1) 一元函数微分学（除了中值定理以外的所有题，中值定理需要先看完夜雨的视频后再写）：1000ab+880+900a
  (2) 多元函数微分学：1000ab+880+900a
  (3) 无穷级数：1000a+880+30讲
  (4) 一元函数积分学（除了不等式以外的所有题）（注意，一元函数积分学的计算需要先总结完常用工具后再写题）：1000ab+880+900a

• 线代
  (1) u3，4，5，6的30讲课后题+880总结

• 概率论
  (1) 重新写一遍25的30讲例题和课后题，唤回前世记忆

• 专业课
  (1) 自控把时域法的公式都推一遍，理解核心思想+写完课后题即可
  (2) （个人私货）早点过完第一遍专业课吧，然后学一下pid，然后写几个stm32项目

• 其它应试相关
  (1) 证明题相关：逻辑与证明（学会如何将一个复杂命题分块话，以及能准确写出其反命题即可）

首要任务是恢复正常作息，不能陷入轮回中了！
注意区分主要问题和次要问题：

• 高数
  • 多元函数微分学剩余问题：
    全微分方程相关问题（什么是全微分方程，和哪些概念有联系，如果一个方程是全微分方程，那么原函数有什么性质，如何求解全微分方程，全微分方程与偏导数的关系）
    二元or多元函数的极值和最值问题，以及能转化为多元函数极值最值问题的问题（概念题：极值定义相关问题整理，注意偏导数与一元函数导数的联系（写个30mins的小总结）；计算题：条件极值，无条件极值的常用化简思路积累）
    1000a那几道画红圈的题分析一下考的什么知识点
    一天写完1000b后，花两天写完900a+b的选填（900作为补充）
  • 一元微分学相关（u345）：
    先处理完1000a的错题
    1000b一刷，积累一下sb张宇题目中出现的结论
    写个小总结，没必要急着写900
• 线代（基础阶段）
• U3
  30讲u3整体知识点整理+记忆一遍，然后写1000a+880a
  梁鑫教材，U0过完第一遍，U1.1~1.3过完第一遍，侧重对宏观知识的理解，而不是深入细枝末节的零碎知识点

周任务：

Ⅰ. 课内：
高数：

1. 多元函数微分学1000，880写完并总结出一张包含：

• 题型，题型所用工具，一些技术（初级）；
• 所用技术背后的本质，广义化这样的技术（中级）；
• 与一元微分学的联系：如哪些概念能和一元微分学联系起来

2. 一元函数微分学1000，880写完并总结出一张包含：

• 题型，题型所用工具，一些技术（初级）；
• 所用技术背后的本质，广义化这样的技术（中级）；
• 与多元元微分学的联系：如哪些概念能和一元微分学联系起来

3. 一元函数微分学，多元函数微分学900第一遍，初步总结出：

• 考察知识点，题型所用工具、
  线代：

1. 重新理解U3，4，5（1000与880习题）；
2. U6预习；
   Ⅱ. 课外：
3. stm32：

• GPIO输入输出：原理+代码
• OLED调试工具：原理+代码
• （可选）EXIT外部中断：原理+代码

2. 运动：

• 跑完三次10km，三次8km

ps：该计划只能用课外时间完成，本职工作仍然是硕士研究生考试

• 数理逻辑入门：
• 从中我能学到：一个命题（定义、定理和性质）的结构是什么；如何证明一个命题的真假（涉及到数理逻辑）；复杂命题的拆解；如何根据原有命题组合出新的命题
• 江科大stm32：
• 从中我能学到：stm32单片机的物理结构；关于stm32的项目经验；如何查阅stm32手册；（或许还有）如何将stm32当作一个工具使用（最终目的）
• 长跑：一个月内做到以下三点：在心率160以下，配速五分左右，跑10km

人类的肉体竟是如此的脆弱。。。。。。
人类的精神竟是如此的脆弱。。。。。。

又一位亲人将要离我而去了。。。。。。

直入正题，以下给出自己对这两种建模方法的思考:

（1）两者的对比

• 建模方法：
  • 传统方法：依赖物理定律建立微分方程（白箱模型），如倒立摆动力学方程
  • 神经网络：通过数据驱动构建输入-输出映射（黑箱/灰箱模型），如用神经网络逼近非线性函数
• 适用场景
  • 传统方法：系统可建模且参数较准确（白箱情况），如倒立摆，无人机姿态控制
  • 神经网络：系统难以建模或存在强非线性（黑/灰箱情况），如人形机器人行走、复杂流体控制

(2) 到底选择神经网络还塞传统模型化方法建模呢，好难选呀

• 两者都要不香么，现代控制工程常采用混合架构，例如：
  • 上层用MPC生成参考轨迹（基于模型）
  • 下层用神经网络补偿模型误差（数据驱动）

(3) 总结：

• 优先掌握模型化方法：在倒立摆项目中先用LQR/PID实现基础控制，理解稳定性与能控性本质。
• 谨慎使用神经网络，通常在以下情况下才考虑：
  • 系统存在未建模动态（如摩擦、空气动力学扰动）
  • 接受亚最优解和黑箱特性
  • 具备充足算力和数据采集能力
• 探索混合控制架构：例如用LQR保证稳定性，用神经网络补偿执行器非线性，这是当前工业界的主流方向。两者结合才是王道

想了想还是写一个2025寒假期间的flag，用于填补1年的空窗期，顺便也为以后打基础吧。

• cs61a网课：
  （1）lab+pj全部
  （2）产出至少两篇自己对该科目的思考
  （3）拓展一下自己的cs地图
• 江科大stm32网课：
  （1）初步刷完网课
  （2）自己总结一套处理stm32项目的流程
  （3）做完自己的第一个stm32项目，并吃透它（平衡小车）
  （3.5）关于吃透一个项目的标准：明白这个项目的组件是什么，为什么这个部分要用这个算法，有没有其它改进的算法。。。
• 数学分析相关
  （1）647数学分析1，2网课刷完
  （2）产出至少两篇自己对该科目的思考
• 线性代数相关
  （1）647线性代数1跟完
  （2）产出至少两篇自己对该科目的思考
  …怎么感觉这么多呢

以下给出需要阅读文章的url:

• https://www.yuque.com/lingxia-lqeic/sge7wl/lsxg4u4nguzlr5p3?singleDoc#agWdN 全文阅读，重点是llm辅助论文阅读的prompt。
• https://zhuanlan.zhihu.com/p/720904479 pkm搭建相关，全文阅读，提炼出自己能改进的东西

困难永远存在。困难越多越难，证明我越有资格做命运的斗手。

人该做的是往前走。

在走的过程中，昂首挺胸。困难围着你，追着你跑；而不是你被困难绕着缠着向前推。

这个世界就是这样的。充满了攻城略地，到处都是侵略和征服——不是你打困难，就是困难打你。

不知道你们有没有去过亚马逊丛林，看那种原始部落。

很多地方乍一眼看上去都很静谧和缓，可杀机潜伏暗涌。

人站在平地上都能迅速挂掉。我不太喜欢做没有野心的人，所以我压根不回头，我不关心自己有没有退路。

向前、占领和征服是我前进的目的。

人是靠性格里的aggressiveness去获取信念感的，不是靠温柔或回头。别关心身后有没有路了，先看眼前吧。

就算前面是悬崖，想想tempo run，跳也是死不跳也是死的时候，先吃点金币再说。

2025年度Flag（大雾）

又是一年过去了，2024说实话我还过得挺爽的。
不但结束了自己的摆烂生活，而且还重新建立了自己的工作流，现在每天都能拉满状态学习，好爽好爽。
除了没考上研以外……
不过2025年度flag还是要写的233，毕竟我现在状态越来越好了，得加速迈步向前了w。