2018年10月_lijil168

12月 11月 10月 09月 08月 03月

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