Towards Low Latency State Machine Replication for Uncivil Wide-area Networks.pdf We consider the problem of building state machines in a multi-site environment in which there is lack of trust between sites, but not within a site. This system model recognizes the fact that if a server is attacked, then there are larger issues at play than simply masking the failure of the server. We describe the design principles of a low-latency Byzantine state machine protocol, called RAM

DSMA - The Database State Machine Approach

信号与系统英文版教学课件：ch8 State Model Representation.ppt

1. 双击dsm.exe可打开演示程序，使用电脑摄像头测试（或电脑接接USB摄像头） 2. 双击test.bat可通过传参数的方式调用dsm.exe检测sample目录对应的测试视频 3. demo.mp4为运行效果 4. 本程序使用了opencv4.11库 5. 本程序使用VS2019开发 6. 本程序为x64版本 7. 功能：Driver State Monitoring，即驾驶员状态监测 8. 详细功能：人为遮挡、姿态异常、打哈欠、打电话、抽烟、分神、闭眼检测 注：若您的电脑无法运行，请安装VS2019运行库再试

docker load -i kube-state-metrics-v2.4.2.tar.gz docker images|grep k8s.gcr.io/kube-state-metrics/kube-state-metrics

代码为博客的实例代码：http://blog.csdn.net/lmj623565791/article/details/43752383

本文将著名的概念Sontag的输入状态稳定性（ISS）扩展到有限时间控制问题。 换句话说，提出了一个新概念，即有限时间输入到状态稳定性（FTISS），然后将其应用于有限时间稳定性的分析和控制系统的有限时间稳定反馈定律的设计。 对于有限时间的稳定性，必须考虑非平滑性，并且在有限时间控制器的设计和闭环系统的稳定性分析中会遇到严重的技术挑战。 发现在渐近稳定性分析和平滑反馈稳定化方面，FTISS作为常规ISS发挥着重要作用。 此外，提出了一种鲁棒的自适应控制器，借助FTISS和相关参数来处理具有参数和动态不确定性的非线性系统。

state_space_model_notebooks 用于状态空间建模的R / Python代码和笔记本

pytorch 中的 state_dict 是一个简单的python的字典对象,将每一层与它的对应参数建立映射关系.(如model的每一层的weights及偏置等等) (注意,只有那些参数可以训练的layer才会被保存到模型的state_dict中,如卷积层,线性层等等) 优化器对象Optimizer也有一个state_dict,它包含了优化器的状态以及被使用的超参数(如lr, momentum,weight_decay等) 备注： 1) state_dict是在定义了model或optimizer之后pytorch自动生成的,可以直接调用.常用的保存state_dict的格式是”.pt”或’

c语言实现的状态机，可以在各种复杂状态切换时使用。状态机源码简单易懂，非常实用，很好。框架可以自定义修改