- 博客(15)
- 收藏
- 关注
RSS订阅原创 ROS学习笔记
odom： 里程计坐标系，实时收集机器人的速度信息计算并发布机器人坐标系与父级参考系的相对关系，初始时odom坐标系和base_link坐标系是一致的。但里程计存在累计误差，不利于长距离或长期定位。base_link： 机器人本体坐标系，以机器人为中心。Rviz 图形化的显示机器人各种传感器感知到的环境信息。map：地图坐标系，固定坐标系。URDF 用于创建机器人模型。Gzebo 用于搭建仿真环境。结合实例文件学习各定义。
2023-03-17 16:09:09
194
原创 基于人工势场和虚拟领航者的多智能体协同控制研究
人工势场法的国内外研究现状目前，路径规划的方法主要有：人工势场法、人工智能法、全局搜索法和滚动规划法等。这几种方法中，只有人工势场法比较容易实现，其他几种方法都较难实现。人工势场法不仅仅能够实现路径规划，在本文中，还利用人工势场实现了多智能体系统的编队控制。人工势场法也存在一个致命缺点——零势能点，使智能体陷入局部极小点，智能体走不出极小点时达不到路径规划的目的。当障碍物的数量增加时，零势能点的个数也明显增加。因此，人工势场法的一个至关重要的问题就是如何解决零势能点。人工势场法基本理论模拟退火
2022-02-23 10:01:27
1968
2
原创 有关集群智能的研究
分布式控制大规模无人系统通常可视为由大量弱耦合子系统组成，从个体能力看，每个子系统均具有一定程度的自主能力，但其通信传感能力是有限的、局部的; 从履行任务能力来看，每个子系统的信息处理和执行能力都极为有限，不足以单独完成复杂任务，只有使多个子系统间相互配合、协调运作才能完成任务。因而从控制的角度来看，大规模无人系统的控制具有分布式控制的本质特征。集群智能集群智能是人工智能的进一步发展，因此二者既有相互重合的部分，也有其各自的特点。集群智能的研究总结为三类: a) 给定个体局部演化规则，讨论整个系
2022-02-08 09:23:03
2185
原创 多层感知机
在网络中加入隐藏层线性意味着单调。例如，如果我们试图预测一个人是否会偿还贷款。 我们可以认为，在其他条件不变的情况下， 收入较高的申请人总是比收入较低的申请人更有可能偿还贷款。 但是，虽然收入与还款概率存在单调性，但它们不是线性相关的。 收入从0增加到5万，可能比从100万增加到105万带来更大的还款可能性。我们可以通过在网络中加入一个或多个隐藏层来克服线性模型的限制， 使其能处理更普遍的函数关系类型。 要做到这一点，最简单的方法是将许多全连接层堆叠在一起。 每一层都输出到上面的层，直到生成最后的输出。
2022-01-10 13:30:55
578
原创 反向传播神经网络
前向传播神经网络模型：激活函数：对输出进行编码：加入正则化项的代价函数：反向传播神经网络模型：△的更新公式：反向传播神经网络的梯度公式为：加入正则化项后：对比之前线性回归的梯度公式：梯度检测对Θ随机初始化最后用优化算法算出θ结果评测：优化算法：...
2021-12-19 12:57:30
914
原创 one_vs_all classification
读取matlab文件预览：灰度值图像，值等于0时是浅色，值等于1时是黑色图像展示：矩阵运算：运算结果：对原数据进行预测：
2021-11-27 12:20:41
311
原创 regularized logistic regression
为了避免过拟合，加入正则化参数：θo不需要正则化，故梯度更新公式为：为了获得更多的特征，分别对x1、x2获得六次幂：用工具库求参数：画出决策边界：改变λ。λ=100时欠拟合：λ=0时过拟合：...
2021-11-20 10:15:56
557
原创 逻辑回归公式
logistic regression hypothesis:sigmoid function:cost function in logistic regression is:
2021-11-14 13:32:17
899
原创 线性回归python实现
Gradient DescentThe objective of linear regression is to minimize the cost function:**hypothesis hθ(x):In batch gradient descent, eachiteration performs the update:Linear regression with multiple variablesNormal Equations
2021-11-06 14:12:45
263
转载 Machine Learning学习笔记（一）
Supervised Learning监督学习SVM 想要的就是找到各类样本点到超平面的距离最远，也就是找到最大间隔超平面。任意超平面可以用下面这个线性方程来描述：二维空间点 (x,y)到直线 Ax+By+C=0的距离公式是：扩展到 n 维空间后，点x=(x1,x2,x3…xn) 到直线 wTx=0的距离为：其中Unsupervised Learning无监督学习h 假设函数上图为一元线性回归θi 参数模型...
2021-10-23 12:49:23
111
转载 Deep Learning:A Review
Supervised learningWe compute an objective function that measures the error (or distance) between the output scores and the desired pattern of scores.我们通过计算一种目标函数来测量输出得分与目标得分之间的偏差，然后机器会修改内在可调参数来减少这种偏差，内在可调参数一般被称作“weights”。在一个典型的深度学习系统中，一般有上亿个“weights”，并
2021-10-16 12:22:52
273
转载 Places: A 10 million Image Database for Scene Recognition
1.introduction对于物体识别来说，不同环境背景下的物体有着不同的作用，因此识别物体所在的场景非常重要。尽管可以通过大量的object categories来达到识别物体的目的，但是相比于通过place category来进行识别，这要花费更多的时间。“here we describe the Places database, a quasi-exhaustive repository of 10 million scene photographs, labeled with 434 scen
2021-10-09 10:29:50
522
转载 卷积神经网络在图像识别中的应用研究综述
卷积神经网络概述卷积神经网络［4］是一种前馈多层网络，信息的流动只有一个方向，即从输入到输出，每个层使用一组卷积核执行多个转换。CNN 模型主要包含卷积层、池化层、全连接层。以 CNN模型为基础，将多层卷积和多层池化结合产生新的网络模型，可提高网络结构的准确度。经典的卷积神经网络模型GoogLeNet、AlexNet、VGGNet 等［5］。利用 CNN 进行图像识别将图像直接输入到模型，不需要传统算法中的预处理和特征提取过程就可以保留图片本身的结构，从而降低模型处理复杂度． 与其他神经网络的不同之处在
2021-09-28 15:42:20
4424
转载 基于深度卷积神经网络的目标检测研究综述
深度卷积神经网络概述 卷积神经网络是一种常用的深度学习网络框架。１９５９年，Ｈｕｂｅｌ＆ Ｗｉｅｓｅｌ［１３］发 现 视 觉 系 统中的可视皮 层 处 理 信 息 是 分 级 处 理 的。20世 纪90年代，ＬｅＣｕｎ 等 人［１４］建 立 了 ＣＮＮ 的 现代结构，并对其进行了改进。他们设计了一种可以对手写数字进行分类的 ＬｅＮｅｔ－５网络。与其他神经网络相同，也能使用反向传播算法［１５］对数据进行训练。卷积神经网络可以获取原始图像的有效表示，这使得它能够通过很少的预处理直接从原始像素识别视觉之上的规
2021-09-28 10:55:26
1474
转载 基于演化深度学习的图像描述自动生成技术研究
a)本文提出了一种演化神经网络，其能够将提取的图像信息转换为视觉特征，从而更加有效地利用图像信息完成图像描述任务。b)本文提出了一种基于 LSTM 的自适应合并解码器，该解码器由视觉注意模块、文本注意模块和自适应合并门模块组成。该解码器可以自适应地融合视觉特征和文本信息，形成视觉-文本融合信息，并对给定的图像逐个生成相应的描述词。c)通过在 Flickr30K 和 COCO2014 数据集实验结果的定量分析，表明了本文模型较之于其他典型模型的性能优越性，以及模型中的每个子模块都有助于提高模型图像描述的性
2021-09-27 16:10:30
468
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人