
MIT深度学习与自动驾驶课程
MIT深度学习与自动驾驶课程
咕噜咕噜day
day day up!
展开
-
MIT6.S094深度学习与无人驾驶整理笔记(1)——————课程相关资源
MIT6.S094课程:课程链接:https://study.163.com/course/courseMain.htm?courseId=1004938039website:cars.mit.edu Contact Email:deepcars@mit.edu 用于深度学习的框架:...原创 2018-10-23 10:50:52 · 888 阅读 · 1 评论 -
MIT6.S094深度学习与无人驾驶整理笔记(2)——————深度学习与无人车导论
1.欠驱动系统:系统的独立控制变量个数小于系统自由度个数的一类非线性系统。2.一般无人车的外部传感器:Radar、LIDAR(激光雷达)、stereo vision(用于立体视觉)、GPS/IMU(微惯性测量单位传感器)内部传感器:Visible_light camera(可见光摄像机)、inframed camera(红外摄像机)3.图灵测试:人类在有遮挡和人对话时,计算机被误...原创 2018-10-23 10:58:53 · 567 阅读 · 0 评论 -
MIT6.S094深度学习与无人驾驶整理笔记(3)_深度强化学习与运动规划
1.一个神经元类似一个与非门,神经元电路与与非门电路相比,可以执行与非门的操作,且还能学习由与非门电路表示的任意的逻辑功能,并不需要人类工程师对其干涉,并还能进一步对其优化。缺点:输出不是很平滑不能用阶跃函数,机器学习的过程一般是逐渐调整这些权值的过程,看他如何影响神经网络的其他部分,观察与基准数据之间的差距。激活函数必须是平整的,GPU运算处理。2.图像是像素的集合,28×28则是由78...原创 2018-10-23 11:41:37 · 1309 阅读 · 0 评论 -
MIT6.S094深度学习与无人驾驶整理笔记(5)——————自动驾驶中的循环神经网络
1.卷积神经网络对音频进行操作,给定一个音频也能算作是输入,只要输入的是一段固定的大小就能算作是一个输入。只要有一个基准数据从输入映射到输出,无论是否全连接的神经网络,都是Vanilla RNN.RNN对于多对多是不对齐的,比如机器翻译.RNN的计算函数有一对多,多对一以及多对多,也可以是双向的.RNN真正的闪光点是它的输入的大小是可变的,所以没有固定的数据块,输出也是一样.RNN产生输出并复制输...原创 2019-02-19 20:05:59 · 677 阅读 · 0 评论 -
MIT6.S094深度学习与无人驾驶整理笔记(4)——————自动驾驶中的卷积神经网络
1.图片是像素的集合,像素是数字,从0-255的离散值,输入图像可以在输出图像的标签的地方进行监督学习,聚类成不同的类别。用机器学习进行特征的提取,对图像I / O标签进行训练,并建立模型。人类将视觉感知转成语义,但是电脑只能识别RGB数字,RGB是彩色图像,每个像素从0-255有三个值。灰度图像是一个数,但是RGB图像一般是三个数,有时候有深度值,有四个数。2.分类:输入一个图像,输出一个标...原创 2018-10-23 16:53:28 · 1287 阅读 · 0 评论