面试算法(三)— EM算法

因为要看LDA的内容,需要看下EM算法,李航的EM算法一章的部分地方符号感觉过于抽象,应该具体些更好;先时通过三硬币模型引入EM算法概念,然后说了一下EM算法的流程,第二节公式推导了EM算法,第三节证明了EM算法的收敛性,随后讲了EM算法在GMM中的应用,最后介绍了GMM算法。总体来说EM基本思想还是很简单的,基于最大化似然函数一步步得到。

EM算法原理总结

这篇博客简洁明了的介绍了EM算法原理,包括推导和收敛性的证明。

(EM算法)The EM Algorithm

与上篇类似,不过是11年写的,年代有点久远。

https://www.zhihu.com/question/27976634

https://freesouls.github.io/2016/03/28/em-algorithm/index.html

http://blog.tomtung.com/2011/10/em-algorithm/

http://www.csuldw.com/2015/12/02/2015-12-02-EM-algorithms/

https://chenrudan.github.io/blog/2015/12/02/emexample.html

http://blog.csdn.net/zouxy09/article/details/8537620

这几篇差不多,都可以对比参照看看。

深入一些的有:

https://mp.weixin.qq.com/s/NbM4sY93kaG5qshzgZzZIQ

https://www.zhihu.com/question/22371861

http://survivor99.com/lcg/CM/cm-ljs.pdf

https://zhuanlan.zhihu.com/p/25799397

自动驾驶算法工程师的面试主要涉及以下几个方面:规划算法、控制算法、决策算法和几何问题。 在规划算法方面,面试官可能会询问你对路径规划和轨迹生成的理解,以及你在实际项目中如何应用这些算法。他们可能会要求你解释A*算法、Dijkstra算法或RRT算法等路径规划算法的原理,并要求你在特定场景下设计一个规划算法。 控制算法是自动驾驶系统的核心部分,面试官可能会要求你解释PID控制器、模型预测控制(MPC)或深度强化学习等控制算法的原理,并要求你设计一个控制算法来实现特定的行驶任务。 决策算法是自动驾驶系统中负责做出决策的部分,面试官可能会提问关于行为规划、交通场景理解和对象检测等方面的问题。他们可能会要求你解释马尔可夫决策过程(MDP)、强化学习或者基于规则的决策算法,并要求你设计一个决策算法来应对特定的交通场景。 此外,几何问题也是面试中的常见考点。面试官可能会要求你解决一些几何相关的问题,例如判断直线相交、点和角形的关系、计算曲率等。 综上所述,自动驾驶算法工程师的面试将涵盖规划算法、控制算法、决策算法和几何问题。你需要对这些方面有深入的了解,并在实际项目中能够运用这些算法来解决自动驾驶系统的挑战。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* *3* [自动驾驶算法/规划决策控制算法面经汇总、学习路线、面经心得](https://blog.csdn.net/qq_41667348/article/details/127514574)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 100%"] [ .reference_list ]
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值