摘要：|__all together ship |__SLAM__ |__Graph SLAM__ |__完成约束 |__完成Graph SLAM__ | |__完成约束（格子） | |__加入地标 | |__ Ω和§ | |__编程(Init_pos,move1,move2) | |__加入检测(加入每 阅读全文

摘要：|—平滑化算法 |—PID控制—|—P控制器编程 |—PD控制编程 |—PID控制编程 |—参数优化 |—实验P、PD、PID对减小系统误差的作用 这里讨论怎么将路径转变成行动指令(生成平滑的路径)，用到PID去控制。 从出发点到目的地，实际的路径不能像之前的path plan(蓝色)，没有car能 阅读全文

摘要：|—search()—|—添加一个列表变量Expend,存储每个小格扩展时为第几步，可打印出 | |—打印运动表 |—A*—|— heuristic() |—Dynamic programming(动态规划)—|—Value编程 | |—应用于现实 | |—algorithm simulation 阅读全文

摘要：|—粒子滤波原理 |—基础代码的建立—|—前进 | |—转弯 | |—噪音（误差） |—创建粒子并模拟运动 |—粒子替换聚集编程—|—重要重量设置编程 | |—重采集（归一化后设阈值滤筛） | |—新粒子组—|—重采集轮 |—对方向编程 |—eval()性能评估 |—一切背后的数学原理 |—车辆模型 阅读全文

摘要：|—定位—|—蒙特卡洛方法（定位自身） | |—卡尔曼滤波器（定位其他车辆） |—高斯函数 |—循环两个过程—|—测量（测量更新） | |—运动（预测值） |—更高维度的高斯和卡尔曼 |—追踪的核心代码（一个二维卡尔曼滤波器） 卡尔曼滤波和蒙特卡洛定位方法主要区别： 卡尔曼滤波器的输入数据来源于(激 阅读全文

摘要：Localization (using Histogram Filters) 定位指的是在传感器和移动之间来回的迭代，使得能够保持跟踪目标对象的位置、方向和速度。 这篇将写一个程序来实施定位，与GPS相比，这个的程序将极大的降低误差范围。 假设一个汽车或者机器人所处在一个一维世界，它在没有得到任何提 阅读全文

摘要：二分类问题 在二分分类问题中，目标是训练出一个分类器，这里以图片特征向量x作为输入，预测输出的结果标签y是1还是0，也就是预测图片中是否有猫。 计算机保存一张图片（彩色），要保存三个独立矩阵，分别对应红绿蓝三个颜色通道，如果输入图片是64×64像素，就有三个64×64像素矩阵对应图片中红绿蓝三种像素 阅读全文

摘要：standard NN，CNN，RNN，custom hybrid NN architecture(Radar) 结构化数据是数据的数据库，相比结构化数据计算机更难理解非结构化数据，人生来很容易理解非结构化数据，多亏深度学习，神经网络，让现在计算机可以更好理解非结构化数据了。希望你的算法能同时学习结 阅读全文

摘要：原文转载自：qinyang8513 一、开发环境 1、操作系统：Windows 7（64位） 2、编程环境：Microsoft Visual Studio 2010 3、OpenCV版本：2.4.10 二、安装OpenCV2.4.10 1、下载OpenCV2.4.10 SDK：官网链接为：http: 阅读全文

摘要：19.1 总结和致谢 欢迎来到《机器学习》课的最后一段视频。我们已经一起学习很长一段时间了。在最后视频中，我想快速地回顾一下这门课的主要内容，然后简单说几句想说的话。 作为这门课的结束时间，那么我们学到了些什么呢？在这门课中，我们花了大量的时间介绍了诸如线性回归、逻辑回归、神经网络、支持向量机等等一 阅读全文

摘要：18.1 问题描述和流程图 18.2 滑动窗口 18.3 获取大量数据和人工数据 18.4 上限分析：哪部分管道的接下去做 18.1 问题描述和流程图 图像文字识别应用所作的事是，从一张给定的图片中识别文字。这比从一份扫描文档中 识别文字要复杂的多。 为了完成这样的工作，需要采取如下步骤： 1. 文 阅读全文

摘要：17.1 大型数据集的学习 17.2 随机梯度下降法 17.3 微型批量梯度下降 17.4 随机梯度下降收敛 17.5 在线学习 17.6 映射化简和数据并行 17.1 大型数据集的学习 17.2 随机梯度下降法 17.3 微型批量梯度下降 17.4 随机梯度下降收敛 17.5 在线学习 17.6 阅读全文

摘要：16.1 问题形式化 16.2 基于内容的推荐系统 16.3 协同过滤 16.4 协同过滤算法 16.5 矢量化：低秩矩阵分解 16.6 推行工作上的细节：均值归一化 16.1 问题形式化 16.2 基于内容的推荐系统 16.3 协同过滤 16.4 协同过滤算法 16.5 矢量化：低秩矩阵分解 16 阅读全文

摘要：异常检测：检测非正常用户，在线收集用户数据，建立用户的活动特征向量，可能包含用户多久登陆一次，访问过的页面，在论坛发的帖子数量，甚至是打字速度等，根据这个模型识别那些非正常用户。 通过收集计算机各方面状态数据建立特征向量模型识别计算机是否正常运行。 基于高斯分布的算法，根据两个特征得出P（x）然后选 阅读全文

摘要：15.1 问题的动机 15.2 高斯分布 15.3 算法 15.4 开发和评价一个异常检测系统 15.5 异常检测与监督学习对比 15.6 选择特征 15.7 多元高斯分布（可选） 15.8 使用多元高斯分布进行异常检测（可选） 15.1 问题的动机 15.2 高斯分布 15.3 算法 15.4 开 阅读全文

摘要：15.1 问题的动机 15.2 高斯分布 15.3 算法 15.4 开发和评价一个异常检测系统 15.5 异常检测与监督学习对比 15.6 选择特征 15.7 多元高斯分布（可选） 15.8 使用多元高斯分布进行异常检测（可选） 15.1 问题的动机 15.2 高斯分布 15.3 算法 15.4 开 阅读全文

摘要：14.1 动机一：数据压缩 14.2 动机二：数据可视化 14.3 主成分分析问题 14.4 主成分分析算法 14.5 选择主成分的数量 14.6 重建的压缩表示 14.7 主成分分析法的应用建议 14.1 动机一：数据压缩 14.2 动机二：数据可视化 14.3 主成分分析问题 14.4 主成分分 阅读全文

摘要：13.1 无监督学习：简介 13.2 K-均值算法 13.3 优化目标 13.4 随机初始化 13.5 选择聚类数 13.1 无监督学习：简介 在这个视频中，将开始介绍聚类算法。这将是一个激动人心的时刻，因为这是到现在学习的第一个非监督学习算法，要让计算机学习无标签数据，而不是此前的标签数据。 之前 阅读全文

摘要：11 SMO优化算法（Sequential minimal optimization） SMO算法由Microsoft Research的John C. Platt在1998年提出，并成为最快的二次规划优化算法，特别针对线性SVM和数据稀疏时性能更优。关于SMO最好的资料就是他本人写的《Sequen 阅读全文

摘要：7 核函数（Kernels） 最初在“线性回归”中提出的问题，特征是房子的面积x，结果y是房子的价格。假设从样本点的分布中看到x和y符合3次曲线，那么我们希望使用x的三次多项式来逼近这些样本点。那么首先需要将特征x扩展到三维，然后寻找特征和结果之间的模型。将这种特征变换称作特征映射（feature 阅读全文