- 博客(6)
- 资源 (8)
- 收藏
- 关注
原创 tensorflows十五 再探Momentum和Nesterov's accelerated gradient descent 利用自动控制PID概念引入误差微分控制超参数改进NAGD,速度快波动小
神经网络BP-GD算法和自动控制PID算法有类似之处,都是利用误差反馈对问题进行求解,不同的是自动控制调节的是系统的输入,神经网络调节的是系统本身。本文将引入误差微分控制超参数kd_damp对NAGD算法进行优化,收敛的速度更快!波动更小! 自动控制PID算法与神经网络Momentum算法比较:http://www.sohu.com/a/242354509_297288http:/...
2018-10-01 15:07:47 961
转载 无人驾驶四 扩展卡尔曼滤波在目标车辆运动状态识别中的运用(python程序)
https://blog.csdn.net/adamshan/article/details/78265754# coding=utf-8import numpy as npimport numdifftools as ndimport mathdataset = []# read the measurement data, use 0.0 to stand LIDAR da...
2018-10-30 13:47:00 1787 4
转载 无人驾驶三 卡尔曼滤波及无迹卡尔曼滤波的几何意义
https://en.wikipedia.org/wiki/Kalman_filter#Unscented_Kalman_filter 一、卡尔曼滤波的几何意义参考英文原版:http://www.bzarg.com/p/how-a-kalman-filter-works-in-pictures/ 注意上式部分有误,正确见下图:核心是根据系统状态的估算值及协方差、...
2018-10-23 21:29:52 3473
原创 无人驾驶二 卡尔曼滤波与PID控制
卡尔曼滤波形象的描述见:https://blog.csdn.net/lybaihu/article/details/54943545卡尔曼滤波与目标追踪示例见:https://blog.csdn.net/AdamShan/article/details/78248421?locationNum=5&fps=1清晰的推导见:https://blog.csdn.net/he......
2018-10-19 23:46:15 7763 3
原创 无人驾驶一 协方差矩阵的几何意义
https://blog.csdn.net/guyuealian/article/details/68922981样本各属性(维)均值:样本重心;样本各属性间协方差:样本在各维间分布及相关性。对协方差矩阵进行特征变换,特征矩阵每列为特性向量=主坐标轴在原坐标系的投影(坐标)。 clear allclcX=[1 2;3 3;3 5;5 4;5 6;6 5;8 7;9 8] %样...
2018-10-14 16:09:25 1516
原创 Tensorflow 十六 用tf.keras函数重写Mnist识别
# coding=utf-8import os os.environ["TF_CPP_MIN_LOG_LEVEL"]='2' # 只显示 warning 和 Error #### Libraries# Standard libraryimport pickleimport gzip# Third-party librariesimport numpy as npdef l...
2018-10-05 14:17:26 380
《Neural Network and Deep Learning》学习笔记1-深入理解神经网络与BP算法
2018-09-01
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人