AI
文章平均质量分 70
土豆西瓜大芝麻
这个作者很懒,什么都没留下…
展开
-
CNN(卷积神经网络)是什么
CNN(卷积神经网络)是什么?有何入门简介或文章吗? - 知乎本文是我关于机器学习的第一篇科普文,写了很久,希望能够通过仿生学、数学等角度,借助丰富的图片和动画…https://www.zhihu.com/question/52668301/answer/1231346589...原创 2021-11-09 15:19:30 · 465 阅读 · 0 评论 -
一分钟看完漫画搞懂卷积
作者:DBinary链接:https://www.zhihu.com/question/22298352/answer/797335876来源:知乎著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。更多信号系统相关问答转载 2021-09-28 01:02:59 · 159 阅读 · 0 评论 -
A* 寻路算法
原文地址:http://www.gamedev.net/reference/articles/article2003.asp概述虽然掌握了A*算法的人认为它容易,但是对于初学者来说,A*算法还是很复杂的。搜索区域(The Search Area)我们假设某人要从 绿色A点移动到 红色B点,但是这两点之间被一堵蓝色墙隔开。你应该注意到了,我们把要搜寻的区域划分成了正方形的格子。这是寻路的第一步,简化搜索区域,就像我们这里做的一样。这个特殊的方法把我们的搜索区域简化为了2维数组...转载 2021-04-17 11:42:49 · 458 阅读 · 0 评论 -
最佳优先搜索和A*搜索算法
BFS算法算法原理最佳优先搜索算法是一种启发式搜索算法(Heuristic Algorithm),其基于广度优先搜索算法,不同点是其依赖于估价函数对将要遍历的节点进行估价,选择代价小的节点进行遍历,直到找到目标点为止。BFS算法不能保证找到的路径是一条最短路径,但是其计算过程相对于Dijkstra算法会快很多。算法流程算法实现需要有两个优先队列Open和Closed,Open队列用来存放未遍历并将要被遍历的节点;Closed队列用来存放已经遍历过的节点。 初始时将根节点放入Open队列中转载 2021-04-16 15:17:58 · 5732 阅读 · 1 评论 -
随机快速搜索树RRT
机器人的规划问题的本质,是在已知或者部分已知环境的情况下,规划一条从起点到终点的无碰撞的路径。规划算法种类有很多,比如基于图的搜索算法、人工势场法、基于采样的规划方法等。今天主要介绍的就是一种典型的基于采样的规划方法:随机快速搜索树(RRT)。RRT是一种在完全已知的环境中通过采样扩展搜索的算法,相比较于基于图的搜索算法,最主要的优点就是快,因此在多自由度机器人的规划问题中发挥着较大的作用,比如机械臂的规划算法基本都是以RRT为基础的。但同时他也有比较明显的缺点,比如通常不最优、规划的路径非常不平滑等。但转载 2021-04-09 01:29:54 · 887 阅读 · 0 评论 -
路径规划-快速搜索随机树(Rapid-exploration Random Tree)
本节介绍机器人路径规划领域的一个重要的方法,快速搜索随机树法,这种方法在机器人规划领域,尤其是高维环境(机械臂,飞行器)的规划中,占有重要的位置,是基于采样的规划方法的一种。简介:快速搜索随机树,就是在环境中随机撒一些点,这些点经过算法运算,最终可以连接起来,变成机器人可以运行的轨迹。二 算法介绍:1.基本算法流程2.算法介绍x_init-->x_new---->x_rand如图所示,为讲述方便,我们以二维环境为例。开始:首先在环境中,我们有一个起始.转载 2021-04-09 01:22:42 · 1524 阅读 · 0 评论 -
局部路径规划中的人工势场法
人工势场法是局部路径规划的一种比较常用的方法。这种方法假设机器人在一种虚拟力场下运动。一、简介如图所示,机器人在一个二维环境下运动,图中指出了机器人,障碍和目标之间的相对位置。这个图比较清晰的说明了人工势场法的作用,物体的初始点在一个较高的“山头”上,要到达的目标点在“山脚”下,这就形成了一种势场,物体在这种势的引导下,避开障碍物,到达目标点。人工势场包括引力场和斥力场,其中目标点对物体产生引力,引导物体朝向其运动(这一点有点类似于A*算法中的启发函数h)。障碍物对物体产生斥..转载 2021-04-09 01:00:46 · 3005 阅读 · 1 评论 -
强化学习入门知识
本文会讲到:· 什么是强化学习,以及为什么奖励最重要· 强化学习的三种方式· 深度强化学习的“深度”是什么意思然后,就能看出强化学习和监督学习的区别了。友好的引子强化学习的中心思想,就是让智能体在环境里学习。每个行动会对应各自的奖励,智能体通过分析数据来学习,怎样的情况下应该做怎样的事情。其实,这样的学习过程和我们自然的经历非常相似。想象自己是个小孩子,第一次看到了...转载 2020-02-27 16:29:03 · 300 阅读 · 0 评论 -
强化学习入门--甄景贤
我在外国博客上写过一些基於人工智能的文章,有些搬到了博客园,上面转录的是其中一篇:什么是强化学习?我正在研究的 AI architecture 是用强化学习控制 recurrent 神经网络,我相信这个设置可以做到逻辑推理和答问题的功能,基本上就是 strong AI。 但还有一些未解决的细节。 论文的标题是《游荡在思考的迷宫中》,即将发表。...转载 2020-02-27 16:05:29 · 268 阅读 · 0 评论 -
快速理解强化学习中的Q-learning--手工推导Q矩阵
转载 2020-02-27 11:07:38 · 1510 阅读 · 0 评论 -
神经网络从产生到现在的发展历史--科普
对于入门学习神经网络的没有基础的同学来说,直接上公式和各种算法,会比较懵圈。我个人的体会是先了解这个技术的来龙去脉,先从科普版开始,从它最简单地方式开始,一步一步了解它怎么演进的,每一个时代考虑了什么,加入了什么,优化了什么。我原来学过人工智能的课,但是好些年不用,都忘记了,后来买一本华东师范大学出的高中生用的人工智能基础看了一下,迅速把人工智能相关基础拾了起来。我看了很多神经网络入门的相关文...转载 2019-12-02 10:26:09 · 10510 阅读 · 0 评论 -
AI最新进展2019年6月
人工智能现在是常见词汇,大多数人可能觉得,它是学术话题,跟普通人关系不大。但是实际上,AI 突飞猛进,正在脱离实验室,进入日常生活。仅仅是现在的技术水平,就足以模糊现实与虚拟的界限,颠覆一般民众的认知。(图1:2018年10月,世界第一幅 AI 生成的肖像画,拍卖成交价43.25万美元。)为了让普通人了解 AI 的进展,谷歌的机器学习专家格里高利·萨普诺夫(Grigory Sapu...原创 2019-12-01 22:45:56 · 551 阅读 · 0 评论 -
数据--信息--知识--洞见--智慧--影响力
这张图很巧妙地呈现了从数据分析整理、到最终形成影响力的整个历程:我们在生活和工作中,会遇到各种各样的数据。数据经过处理和加工,变成了信息。信息之间产生了联系,形成了知识。通过现有知识,发现了一些知识之间的新关系,于是形成了洞见。把一系列洞见串联起来,形成了智慧。向外传播智慧,形成了影响力。------------------------------------...转载 2019-05-13 16:30:35 · 8374 阅读 · 2 评论 -
再论“卡尔曼滤波”
考虑轨道上的一个小车,无外力作用,它在时刻t的状态向量只与相关:(状态向量就是描述它的t=0时刻所有状态的向量,比如:[速度大小5m/s, 速度方向右, 位置坐标0],反正有了这个向量就可以完全预测t=1时刻小车的状态)那么根据t=0时刻的初值,理论上我们可以求出它任意时刻的状态。当然,实际情况不会这么美好。这个递推函数可能会受到各种不确定因素的影响(内在的外在的都算,比如刮风...转载 2019-05-15 22:00:11 · 157 阅读 · 0 评论 -
使用place2创建场景识别的demo
参考:https://github.com/CSAILVision/places365论文:Learning Deep Features for Scene Recognition using Places Database1.需要预先安装包:numpy pytorch opencv-python Pillow2. 首先将places365的代码git到本地:git c...转载 2019-03-21 16:52:49 · 1888 阅读 · 2 评论 -
数据压缩的本质
对超大规模网络进行划分,得到诸多子图,是否可以用熵来解决呢?对于一个给定的图,其信息量是固定的,图划分会给图的信息带来什么?图的划分或者折叠,是否就是对图的压缩呢?先来个小例子:有一段文字“我我我我我我有点喜欢喜欢喜欢喜欢lxlxlxlxlxlxlx”一共14个汉字加上14个字符,现在采用某种压缩算法,将其压缩为这样一种形式“6个我1个有点4个喜欢7个lx”一共9个汉字加上6个字符(包括数字跟...转载 2019-03-31 03:05:21 · 3519 阅读 · 2 评论 -
min-max框架
1. 零和游戏(Zero-sum Game):意思就是你死我活,一方的胜利代表另一方的失败,比如,象棋,五子棋等。2. 完全信息(Perfect Information):玩家知道之前所有的步骤。象棋就是完全信息,因为玩家是交替着落子,且之前的步骤都能在棋盘上体现,但是石头剪子布就不是。这样的游戏通常可以把他们看作一个树状图,把每一种可能性列出来。比如下面这个井字棋游戏,Max代表你自己...转载 2019-03-31 14:33:28 · 1855 阅读 · 0 评论 -
从神经元到神经网络——最易懂最清晰的一篇文章
神经网络是一门重要的机器学习技术。它是目前最为火热的研究方向--深度学习的基础。学习神经网络不仅可以让你掌握一门强大的机器学习方法,同时也可以更好地帮助你理解深度学习技术。 本文以一种简单的,循序的方式讲解神经网络。适合对神经网络了解不多的同学。本文对阅读没有一定的前提要求,但是懂一些机器学习基础会更好地帮助理解本文。 神经网络是一种模拟人脑的神经网络以期能够实现类人工智能的机器学习技...转载 2019-03-31 15:05:05 · 3230 阅读 · 0 评论 -
神经网络入门(最通俗的理解神经网络)
先从回归(Regression)问题说起。我在本吧已经看到不少人提到如果想实现强AI,就必须让机器学会观察并总结规律的言论。具体地说,要让机器观察什么是圆的,什么是方的,区分各种颜色和形状,然后根据这些特征对某种事物进行分类或预测。其实这就是回归问题。如何解决回归问题?我们用眼睛看到某样东西,可以一下子看出它的一些基本特征。可是计算机呢?它看到的只是一堆数字而已,因此要让机器从事物的特征中找到...转载 2019-03-31 15:09:44 · 598 阅读 · 1 评论 -
从机器学习谈起
在本篇文章中,我将对机器学习做个概要的介绍。本文的目的是能让即便完全不了解机器学习的人也能了解机器学习,并且上手相关的实践。这篇文档也算是EasyPR开发的番外篇,从这里开始,必须对机器学习了解才能进一步介绍EasyPR的内核。当然,本文也面对一般读者,不会对阅读有相关的前提要求。 在进入正题前,我想读者心中可能会有一个疑惑:机器学习有什么重要性,以至于要阅读完这篇非常长的文章呢? 我...转载 2019-03-31 16:26:59 · 269 阅读 · 0 评论 -
卷积神经网络的缺点是什么?
2012年,三位深度学习的“巨人”Alex Krizhevsky, Ilya Sutskever 和 Geoffrey Hinton,联合发表了题为 “ImageNet Classification with Deep Convolutional Networks” 的论文。自此,卷积神经网络( CNNs )就成了一个万人追捧的工具,并使深度学习成为人工智能领域的一大热门。不可否认,CNNs ...转载 2019-04-03 08:21:20 · 22107 阅读 · 3 评论 -
一文让你彻底了解卷积神经网络CNN
卷积神经网络(Convolutional Neural Network,CNN)是一种前馈神经网络,它的人工神经元可以响应一部分覆盖范围内的周围单元,对于大型图像处理有出色表现。 它包括卷积层(convolutional layer)和池化层(pooling layer)。对比:卷积神经网络、全连接神经网络左图:全连接神经网络(平面),组成:输入层、激活函数、全连接层右图:卷积神经...转载 2019-04-03 11:04:04 · 862 阅读 · 0 评论 -
Image Generation from Scene Graphs基于场景图构造图像
利用图卷积模型大大提高生成图像语意丰富性的文章,一作是来自李飞飞实验组的 Justin Johnson,这位小哥的文章总是会有开源代码保证,点个赞先。由语意到生成图像,需要神经网络具有创造能力。所以,本文开头就引用了一句名言: What I cannot create, I do not understand. 神经网络要想真正理解我们的视觉世界,只有识别能力是不行的,还需要有创造的本领。...转载 2019-05-13 18:25:03 · 1187 阅读 · 0 评论 -
旋转矩阵
旋转坐标轴还是旋转坐标?有什么区别?相信很多人都有过类似的问题,这里我来简单尝试着理解一下。旋转矩阵的相关知识请查看维基百科旋转矩阵需要注意的是 Roll Pitch Yaw 的定义:这里的旋转矩阵是需要左乘的,而且以逆时针为正。关于左乘和右乘:R是一个旋转矩阵,X是一个三维列向量[x,y,z]'。RX就是把X旋转。(RX)'=X'*R',看R'就是一个右乘的旋转...转载 2019-05-15 12:05:04 · 2613 阅读 · 0 评论 -
沿任意轴旋转
前言常用的几何变换中旋转是较为复杂的一种,最近看《Physically Based Rendering, Second Edition: From Theory To Implementation》一书涉及绕任意轴旋转的实现,也给出了大体思路,但具体的推导过程及最后的旋转矩阵并未直接地给出,故根据参考Animated CGEM: Rotation About an Arbitrary Axis...转载 2019-05-15 15:27:01 · 1057 阅读 · 0 评论 -
通俗易懂“卡尔曼滤波”
前言相信所有学习卡尔曼滤波的同学首先接触的都是状态方程和观测方程,学过控制系统的同学可能不陌生,否则,先被那两个看起来好深奥的公式给吓跑了,关键是还不知道他们究竟是干什么的,什么是状态,什么是观测。。。。。。如果再看到后面的一大串递归推导增益,实在很晕很晕,更糟糕的是还没整明白的时候就已经知道卡尔曼滤波其实已经不够使了,需要extended kalmanfilter 和particle fil...转载 2019-05-15 17:02:42 · 764 阅读 · 0 评论 -
一篇文章让你彻底搞懂神经网络:从原理到优化如此简单
普林斯顿的华人小哥Victor Zhou写了篇神经网络入门教程受到广大神经网络入门人员的吹捧。网址:https://victorzhou.com/blog/intro-to-neural-networks/,演示在:https://repl.it/@vzhou842/An-Introduction-to-Neural-Networks.0. 文章介绍了什么介绍了神经网络的基础单元--神经元...原创 2019-03-21 14:17:37 · 3342 阅读 · 0 评论