单层感知器、线性神经网络BP径向基神经网络
自组织竞争神经网络，反馈神经网络，随机神经网络
BP是第二代训练算法，不是特定的网络，是深度学习的基础。PCNN也是二十多年的老技术，是NN还有很多非主流。
神经网络每层的作用实际上是将输入向量左乘以数组进行线性转换，获得新的向量，然后将激活函数应用到这个向量元素中。
其实现在神经网络成熟的开源多如牛毛，除了练手，你可能没有机会写神经网络。
显然，计算一个节点的误差项需要计算每个连接到下一个节点的误差项。这要求误差项的计算顺序必须从输出层开始，然后反向计算每个隐藏层的误差项，直到与输入层连接的隐藏层。
目前，该行业有许多开源的神经网络，它们的功能要强大得多，所以你不需要亲自实现你的神经网络。我们在上半年不断地从头发明轮子，让你理解神经网络的基本原理，这样你就可以很快地掌握这些工具。
(1)冯诺依曼结构CPU：串行执行模式不能有效处理大量并行计算；没有专门优化乘累积模式，执行神经网络算法效率低
(2)图形处理器GPU：初衷是为3D图形处理设计的，功耗大，价值高；不适合嵌入式环境
(3)信号处理器DSP：串行执行模式不能有效处理大量并行计算；对于乘积累模式的优化，执行神经网络算法的效率比CPU高，但远低于NPU和GPU
(4)可编程门阵列FPGA：各种算法架构可灵活实现；功耗大，价格高，一般用于算法原理验证或原型机构建设
（5）颠覆冯诺依曼结构的NPU：数据流处理器大大提高了计算能力与功耗的比例，高度并行化，更适合神经网络的大量并行操作
在过去的十年里，许多公司对神经芯片感兴趣，并希望提高竞争力，例如：
中星微电子：星光中国核工程星光智能一号
中科院：寒武纪一号
IBM公司的仿脑计算机TrueNorth400万神经元的集成已经实现，支持10亿突触连接，功耗4kw。
斯坦福大学Neurogrid实现了16X256X256个神经元，功耗仅5W。
CogniMem公司的CM1K1024个神经元的集成可以通过串并联实现更大的网络建设，单个芯片的功耗为4W，售价几千美元。
在一些学术研究和开发中使用FPGA在图像处理等应用中，芯片实现了小规模的神经网络芯片。
2016年，中星微电子公司率先开发嵌入式神经网络处理器NPU。
这些芯片优化了硬件设计，模拟神经网络更加方便，降低了计算功耗，实现了大规模并行处理。
高通开发NPU使用的是中星微电子(脉冲传输机制，不是权重)CNN这是神经网络NPU开发的两条主要路径。前者的特点是功耗相对较低，后者的优点是芯片可以支持主流深度学习的软件框架，因此与深度学习合作更好。
参考链接成功测试了美国空军IBM最新仿人脑芯片以超低能耗识别俄罗斯坦克95%|独家
除计算能力出众外，IBM TrueNorth芯片的优点在于其强大的认知能力。随着物联网技术的发展，无数的传感器会记录大量的数据，如何通过分析这些数据来预测未来的趋势已经成为对计算机能力的考验。一般来说，在传统计算机完成这项任务之前，直到TrueNorth这一切都是可能的。
为什么这种架构更有效率？Wu Qing 解释说，这是因为芯片的神经元和突触可以存储和处理数据。Jetson Tx-1的。这意味着数据必须从存储器传输到处理器进行分析，然后返回存储器进行存储，这消耗了大量的时间和能量。
仿人脑超级计算机已在美国空军服役。这种超级计算机，适用于其他嵌入式、行动和自动系统，如尺寸、重量和功耗有限。
除目标识别外，TrueNorth电子脑神经突触64芯片数组还可以提供其他实时人工智能功能，如，扩大民用应用的类似任务。
即Neuromorphic Memory，技术的核心在于neurons，是神经元。
NeuroMem有两种可选方案，
CM1K平行作业1024个神经元，可在几毫秒内学习和识别高达256位元的模式。CM1K支持两个非线性分类器（RBF和KNN），可分类样式，同时处理定义不清的数据、未知事件，脉络和工作条件的变化。
CM1K平行架构能，以1024个神经元为增量，扩大神经网络的大小。
它可以，比现代微处理器更强大、更节能。
NeuroMem IP它可以被视为一堆神经芯片，可以被称为硅神经元，是一种低功耗的高速学习和识别模式。识别的内容可以来自任何类型的数据、文本、科学数据集、生物信号、音频文件、图片和视频。
由于其独特的并行架构系统，无论持有多少模型，都可以在很短的时间内完成识别。
Nengo模型
瑞士国家脑倡议书（Swiss national brain initiative）的蓝脑计划（Blue Brain Project）采用超级计算机CoreNEURON模型实现了小鼠脑模拟。
Nengo模拟软件在机器人运动控制、手写识别、语音识别、人脸识别等方面都有很好的应用案例。
Brain通过一些转换工具，模拟软件获得的结果也可以导出到仿脑芯片中，实现并行计算的硬件实现。
在上述脑研究的启发下，新一代人工智能需要研究神经网络微刺激调节和宏观动态进化、视听触觉认知通道与协调、长期短期记忆与决策、运动视觉与规划控制等，建立具有生物和数学基础的计算模型和学习方法，实现具有自主学习能力的智能系统。
人脑可分为以下结构：
大脑:额叶、顶叶、枕叶、颞叶、岛叶
小脑：蚯蚓部，小脑半球
脑干:中脑、桥脑、延髓、间脑(视丘、下视丘)
（英文：Central Nervous System，缩写：CNS）它是神经系统中神经细胞的集中结构，包括大脑和脊髓；在高等无脊椎动物，如链接动物和昆虫，主要包括腹神经索和一系列神经节。
人类中枢神经系统的结构是最复杂和完整的，特别是大脑半球的皮层已经高度发育，成为神经系统最重要和先进的部分，以确保身体器官和身体与外部环境之间的统一和协调。
神经系统由中枢神经系统和周围神经系统组成，控制生物行为。
整个中枢神经系统位于背腔，脑在颅腔，脊髓在脊柱管；颅骨保护大脑，脊柱保护脊髓。
：人体的自主运动由大脑控制。控制自主运动的大脑区域称为运动皮层。
：基底神经节由一些深埋在小脑中的神经结构组成。主要包括尾状核(caudate nucleus)，壳核(putamen)和苍白球(globus pallidus)(尾核和壳核共同构成背侧纹状体(dorsal striatum))。基底神经节中的神经细胞紧密相连，接收来自大脑皮层多个不同区域的信息。这些信息一旦基底神经节处理，就会通过丘脑传递到运动皮层。这个电路的一个可能功能是与另一个涉及小脑的电路合作，选择和开始已经妥善协调的独立运动。
对于受损的人（如帕金森病患者），基底神经节在初始化和调整运动命令方面具有明显的作用。这些患者很难开始计划好的运动，即使他们开始，他们也会震颤和缓慢。/p>
：当你要执行诸如触碰一下鼻子这么简单的动作时，对你的大脑来说，简单的命令你的手和臂的肌肉去收缩是不够的。为了使你的手和臂的各个部分都能平顺地施展，
你需要一个内部时钟可以精确地调控动作序列和每个肌肉部分每个子运动的具体周期。这个时钟就是小脑。
正如神经生物学常用的办法，为了理解小脑做了什么，只需观察小脑受损的病人。当这些病人试图抓住一个东西时，他们的手会启动的很慢，并且高度地不稳定，要么在到达目标前停下，要么经常会加速错过目标。
姿态方面，小脑损害的人会存在明显的平衡问题，就像喝醉了一样。事实上，过量饮酒导致的笨拙就是因为酒精抑制了小脑的活动。
对于健康人来说，小脑首先接受来自感觉运动皮层的预期运动信息，然后再将方位、力度、该运动的持续时间传回给运动皮层。因为这个涉及小脑的回路就跟另外一个涉及基底神经节的回路协作调控运动的细节。
有一个比喻恰当地总结了小脑的功能：它就像一个飞行器驾驶员，收集每个时刻的大量信息，包括手、臂和鼻子的位置，移动的速度，路径上潜在的障碍等等，以便你的手指能够在你的鼻尖上“软着陆”。
即使像拿起水杯这样简单的动作，你都无法想象去有意识地指定每一个序列、力度、每块肌肉收缩的速度。甚至，如果健康的话，我们做这些动作几乎都不用想的。
拿起水杯的决定伴随着额叶的活跃，这些神经元发出神经脉冲去激活运动皮层。使用视觉皮层传来的信息，运动皮层计划了让手到达杯子的理想路径。
运动皮层然后调用大脑其他部分，如中央灰色核和小脑来启动和协调肌肉群的按序激活。初级运动皮层的轴突向下传递进入脊髓，在那里向运动神经元做最后的信息转移。这些神经元直接与肌肉相连，能导致他们收缩。最终，通过收缩、拉动手臂的骨头，肌肉完成了拿起水杯的运动。
另外，为了确保所有的运动足够的快、精准和协调，神经系统必须持续地接受来自外界的感觉信息，并使用这些信息来调整和校正手的运动轨迹。神经系统能够仅仅利用小脑就完成这些调整，因为小脑可以直接接收本体感受器的关于关节和身体的空间位置信息。
登录Ubuntu看了一下Google Chrome的收藏文件夹
相当混乱
Nengo
Frontiers | Nengo: a Python tool for building large-scale functional brain models | Frontiers in Neuroinformatics
芯片造脑：科幻照进现实？
芯片造脑：科幻照进现实？| 果壳 科技有意思
运动控制：AI尚未完成的挑战
运动控制：AI尚未完成的挑战| 果壳 科技有意思
神经信号“绕道”，让瘫痪的手动起来！
神经信号“绕道”，让瘫痪的手动起来！| 果壳 科技有意思
神曲、神舞与神经
神曲、神舞与神经| 果壳 科技有意思
神经科学，仍在等待它的牛顿
神经科学，仍在等待它的牛顿| 果壳 科技有意思
增强学习对于机器人控制的六字真言
增强学习对于机器人运动控制的六字真言 | 干货 | 雷峰网
无痛的增强学习入门：基本概念篇
无痛的增强学习入门：基本概念篇-InfoQ
开源飞控PX4：PX4是一个软、硬件开源项目（遵守BSD协议），目的在于为学术、爱好和工业团体提供一款低成本高性能的高端的自驾仪。这个项目源于 ETH Zurich (苏黎世联邦理工大学)的计算机视觉与几何实验室的PIXHAWK项目、并得到了自主系统实验室和 自动控制实验室的支持 ，以及一些出色的个人(Contact and Credits)也参与其中，包括 3D Robotics 和 international 3DR distributors的成员。
飞控：APM、PX4、零度、大疆
VTOL：尾座式、复合式、倾转旋翼
协议是在串口通讯基础上的一种更高层的开源通讯协议，主要应用在微型飞行器（micro aerial vehicle）的通讯上。Mavlink是为小型飞行器和地面站（或者其他飞行器）通讯时常常用到的那些数据制定一种发送和接收的规则并加入了校验（checksum）功能。
http://www.amovauto.com/portal.php?mod=view&aid=44
飞行日志分析
无人机的飞行控制是无人机研究领域主要问题之一。在飞行过程中会受到各种干扰，如传感器的噪音与漂移、强风与乱气流、载重量变化及倾角过大引起的模型变动等等。这些都会严重影响飞行器的飞行品质，因此无人机的控制技术便显得尤为重要。传统的控制方法主要集中于姿态和高度的控制，除此之外还有一些用来控制速度、位置、航向、3D轨迹跟踪控制。
基于人体学习的方法（Human-based learning） 美国MIT的科研人员为了寻找能更好地控制小型无人飞行器的控制方法，从参加军事演习进行特技飞行的飞机中采集数据，分析飞行员对不同情况下飞机的操作，从而更好地理解无人机的输入序列和反馈机制。这种方法已经被运用到小型无人机的自主飞行中。
：多旋翼在飞行中不仅受到自身约束的限制，还会受到环境约束的影响。路径规划是为了给多旋翼提供既满足自身约束又满足环境约束的可飞路径。
全局路径规划和局部路径规划：根据任务生成航路点，并用直线将航路点连接起来，这一过程称为全局路径规划；
根据局部环境条件和多旋翼的动力学运动学约束将直线路径提炼为可飞路径，这一过程称为。
人工势场法： 给目标航路点和直线路径分配吸引势场，给障碍物分配排斥势场，使三维飞行区域处于目标航路点、直线路径和障碍物的叠加势场中，飞行在该区域中的多旋翼将会被目标航路点和直线路径同时吸引，而被障碍物排斥，使得多旋翼在飞向目标航路点的同时沿着直线飞行，且能避开障碍物。
机动动作：
飞行包线：
僚机：军事术语，僚机(wingman)是编队飞行中跟随长机执行任务的飞机。僚机应保持在编队中规定的位置，观察空中情况，执行长机的命令。
全动平尾：全动平尾是将飞机的水平安定面和升降舵合而为一的部件，它通过转轴与机身结合，飞行员可以控制整个平尾偏转，这使得飞机的操纵性能大大提高。随着飞机的不断发展，为了进一步提高飞机的操纵性能，尤其是在超音速飞行时的操纵能力，如今许多超音速飞机(尤其是高性能的战斗机，如俄罗斯的Su-27、美国的F-15“鹰”战斗机等)都将水平尾翼设计成可偏转的整体，称为全动平尾。
空速是指飞行器相对于空气的速度，空速可分为指示空速、校准空速、当量空速、真实空速等几种。地速、马赫数。
表速和真速的数值是不同的，主要原因是飞机空速管并不能测出飞机的飞行速度，而只能测量q=0.5*ro*v*v(其中ro是空气密度，v是飞机相对于空气的速度)，然后用q除以密度ro再除以0.5，将结果开方（通过电路或机构实现）即可得到飞行速度。但除以密度时只能用海平面的密度值，而空气密度随着高度升高在减小，所以
2017/9/16
螺旋桨截面迎角的变化
桨叶尖部线速度比靠近毂轴部位的要快，因为相同时间内叶尖要旋转的距离比毂轴附近要长。从毂轴到叶尖迎角的变化能够在桨叶长度上产生一致的升力。
定距桨只有在一定的桨距和转速组合下才能获得最高的效率
桨叶和桨距：1英寸=2.54厘米
理论桨距和实际桨距，实际桨距就是考虑流体的可压缩性后在实际使用时螺旋桨旋转一周所前进的距离，一般而言。实际桨距都小于理论桨距。
顶视逆时针旋转的桨是正桨
升力公式，升力系数在迎角到了13°左右会突然变小，因为气流乱了，这就是。
升力系数最大时，阻力系数可能更大。
最佳效率的角度，我们一般挑升力系数比上阻力系数最大的那一个角度，也就是最大升阻比的角度。
动力冗余配置
捷联式惯导系统是为了飞控的小型化，能够单独同时测量无人机的线速度和角速度。
Kalman滤波算法是为了更好的对多种传感器数据融合进行姿态解算。
Kalman滤波是Kalman于1960年提出的从与被提取信号有关的观测量中通过算法估计所需信号的一种滤波算法，它创新地将状态空间的概念引入随机估计理论中，将信号过程看作是，在估计过程中利用系统的多种方程构成滤波算法。此外，Kalman滤波的输入输出是由时间更新和观测更新算法联系在一起的，根据系统状态方程和观测方程估计出所需处理的信号。
利用该算法，可以将来自惯性导航系统与其他导航装置的数据（如惯性导航系统计算的位置对照GPS接收机给出的位置信息）加以混合利用，估计和校正未知的惯性导航系统误差。
PID控制器算法能解决什么问题呢?以多旋翼为例，在没有控制系统的情况下，直接用信号驱动电机带动螺旋桨旋转产生控制力，会出现动态响应太快，或者太慢，或者控制过冲或者不足的现象，多旋翼根本无法顺利完成起飞和悬停动作。为了解决这些问题，就需要在控制系统回路中加入PID控制器算法。在姿态信息和螺旋桨转速（泡沫机应该是舵机和螺旋桨）之间建立比例、积分和微分的关系，通过调节各个环节的参数大小，使多旋翼系统控制达到动态响应迅速、既不过冲、也不欠缺的现象。
多旋翼飞行器实现各种功能（轨迹跟踪、多机编队等）的和。
飞行器姿态控制回路，飞行器位置控制回路。
，所以作为内回路进行设计；而位置运动模态的频带窄，运动速度慢，作为外回路设计。
可以使飞行器能够悬停在指定位置或者按照设定好的轨迹飞行，的作用是使多轴飞行器保持稳定的飞行状态。
由于（滚转/俯仰姿态运动引起水平方向的左右/前后运动）。因此所有控制的核心便集中在内回路。考虑到内回路控制算法的可实现性，合理的方法和控制策略是决定控制性能的重点。
内回路姿态控制的策略一般有两种，第一种是直接对姿态角进行控制，另外一种是。由于角速度可构成更快回路，因此第二种策略具有更快的响应速度。