To be a better man

原创 自定义话题消息

定义msg文件在package.xml中添加功能包<build_depend> message_generation</build_depend><exec_depend>message_runtime</exec_depend>在CMakeLists.txt添加编译选项find_package(… message_generatio...

原创 ModuleNotFoundError: No module named 'rospkg'

conda deactivate关闭Anaconda就可以了。

原创 假设检验之对于成对数据的检验

假设何时拒绝H0H_0H0​H0:μD=0,H1:μD≠0H_0:\mu_{D}=0,H_1:\mu_D\not=0H0​:μD​=0,H1​:μD​​=0∥D‾SD/n∥≥tα2(n−1)\|\frac{\overline D}{S_D/\sqrt{n}}\| \ge t_{\frac{\alpha}{2}}(n-1)∥SD​/n​D​∥≥t2α​​(n−1)H0...

原创 假设检验之两项参数间的关系

假设情况已知条件何时拒绝H0H_0H0​μ1−μ2=σ\mu_1-\mu_2=\sigmaμ1​−μ2​=σσ1,σ2\sigma_1,\sigma_2σ1​,σ2​x‾1−x‾2−σσ12n1+σ22n2≥Zα2\frac{\overline x_1-\overline x_2-\sigma}{\sqrt{\frac{\sigma^2_1}{n_1}+\frac{\si...

原创 假设检验之判断单项参数与某项数值的关系

假设已知条件何时拒绝H0H_0H0​H0:μ=μ0，H1:μ≠μ0H_0:\mu = \mu_0，H_1:\mu\not=\mu_0H0​:μ=μ0​，H1​:μ​=μ0​σ\sigmaσX‾−μ0σ/n≥Zα2\frac{\overline X - \mu_0}{\sigma/\sqrt{n}}\ge Z_{\frac{\alpha}{2}}σ/n​X−μ0​​≥...

原创 Gibbs抽样

具体的说，Gibbs抽样是已知多维随机变量X=(X1,X2,...,Xn)X = (X_1,X_2,...,X_n)X=(X1​,X2​,...,Xn​)的联合概率分布p(x1,x2,...,xn)p(x_1,x_2,...,x_n)p(x1​,x2​,...,xn​),，求X的函数G(X)的数学期望的方法：给出一组初始抽样(如随机抽样)；利用联合概率分布和当前抽样，计算每一分量的条件概率分...

原创 PGM

概率图模型1 基本概念概率图是一类用图的形式表示随机变量之间条件依赖关系的概率模型， 是概率论与图论的结合。图中的节点表示随机变量，缺少边表示条件独立假设。根据图中边的有向、无向性，模型可分为两类：有向图、无向图。G(V,E)：变量关系图V：顶点（节点），表示随机变量E：边or弧两个节点邻接：两个节点之间存在边，记为Xi∼XjX_i\sim X_jXi​∼Xj​ ，不存在边，表示条件独...

转载 方差的性质

当C为常数时，Var(C)=0Var( C ) = 0Var(C)=0当X是随机变量，C是常数时：Var(CX)=C2Var(X),Var(C+X)=Var(X)Var(CX) = C^2Var(X),Var(C+X)=Var(X)Var(CX)=C2Var(X),Var(C+X)=Var(X)设X与Y是随机变量，Var(X+Y)=Var(X)+Var(Y)+2Cov(X,Y)Va...

原创 ROS之创建发布者代码和订阅者代码

如何实现一个发布者初始化ROS节点向ROS Master注册节点信息，包括发布的话题名和话题中的消息类型创建消息数据按照一定频率循环发布消息文件存在位置为：工作空间/src/功能包名字/#include <ros/ros.h>#include <geometry_msgs/Twist.h>int main(){ //ROS节点初始化 velocity...

原创 ROS创建功能包

打开Home文件夹，在home文件夹下单击右键选择Open in Terminal在home目录下创建自己的工作空间，具体命令格式如下：mkdir <工作空间名称>实例：mkdir ros_project_ws,于是，home目录下多了一个文件夹。进入src文件夹，cd <文件夹名称>，实例:cd ros_project_ws/。创建src文件夹...

原创 神经网络

马尔科夫链：边缘分布参数学习：算出似然HMM 三组参数初始状态：状态转移概率双输出观测概率初始状态概率参数学习观测变量一样，模型不一样，能解英文的码解码：根据观测序列推测隐藏的模型状态基本算法：所有可能性：图的性质：只跟前一状态有关系。前项算似然马尔科夫随机场分部形式化使用基于极大团的势函数周边的分成一个联通量图像去燥势函数：能够反映趋势的函数条件场：...

转载 ROS的核心概念

节点 —执行单元执行具体任务的进程、独立运行可执行文件不同节点可使用不同的编程语言，可分布式运行在不同的主机节点在系统中的名称必须是唯一的。节点管理器为节点提供命名和注册服务跟踪和记录话题、通信服务，辅助节点互相查找、建立连接；提供参数服务器，节点使用此服务器存储和检索运行时的参数话题（Topic）------ 异步通信机制 （通道名字）节点间用来传输数据的重...

原创 因子旋转

建立因子分析模型的目的，不仅要找到公共因子，更需要解析公共因子的实际意义，以便进行进一步的分析。如果没饿公共因子的含义不清，不便于因子进行实际应用。由于因子载荷阵不唯一，可以对因子载荷阵进行旋转，使因子载荷阵的结构简化，使每列或行的元素平方值想0和1两极分化。有助于解释因子的意义。三种主要的正交旋转法：四次方最大法方差最大法等量最大法因子分析步骤：搜集x样本-> Σ,R\...

原创 数学课：主成分分析

X=(X1,X2,...,xn)TX=(X_1,X_2,...,x_n)^TX=(X1​,X2​,...,xn​)T->y=a′xy=a^{'}xy=a′x----->Var(y)=a′Σa−>>>maxVar(y) =a^{'}\Sigma a ->>>maxVar(y)=a′Σa−>>>maxVar(X)=Var(X)=Var...

转载 奇异值分解(SVD)与主成分分析(PCA)

奇异值分解(SVD)与主成分分析(PCA)1 算法简介奇异值分解（Singular Value Decomposition），简称SVD，是线性代数中矩阵分解的方法。假如有一个矩阵A，对它进行奇异值分解，可以得到三个矩阵相乘的形式，最左边为m维的正交矩阵，中间为m*n 的对角阵，右边为n维的正交矩阵：A=UΣVTA=U\Sigma V^{T}A=UΣVT这三个矩阵的大小如下图所示：矩阵...

翻译 Pytorch实现回归

import torchimport torch.nn.functional as Fimport matplotlib.pyplot as plt# torch.manual_seed(1) # reproduciblex = torch.unsqueeze(torch.linspace(-1, 1, 100), dim=1) # x data (tensor), shape...

原创 求均方误差

1.设x1,x2,...,xnx_1,x_2,...,x_nx1​,x2​,...,xn​是来自正态总体N(0,σ2)N(0,\sigma^2)N(0,σ2)的简单样本，用σ^2=nx‾2=1n(∑i=1nxi)2\hat{\sigma}^2=n \overline{x}^2=\frac{1}{n}(\sum_{i=1}^{n}x_i)^2σ^2=nx2=n1​(∑i=1n​xi​)2，估计σ2\...

转载 ROS入门相关资料