![](https://img-blog.csdnimg.cn/20201014180756923.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
面试
文章平均质量分 62
闲看庭前梦落花
摆脱不够努力、不够勤奋、不专注带来的焦虑
展开
-
残差神经网络(ResNet)
残差神经网络的主要贡献是发现了退化现象,并针对退化现象发明了快捷连接(shortcut connection),极大的消除了深度过大的神经网络训练困难问题。原创 2022-08-26 17:44:52 · 1614 阅读 · 0 评论 -
DDPG算法
确定性测了利用off-policy学习方法,整个学习过程采用AC框架,Actor行动策略采用随机策略,以保证充足的探索,Cristic评估策略是确定性策略,利用函数逼近方法估计值函数。Actor:参数更新方式是基于梯度上升的,该网络的损失函数是从cristic网络中获取的Q值的平均值,在实现的过程中,需要加入负号,即最小化损失函数,来与深度学习框架保持一致。也就是,当初始状态已知,使用确定性策略所产生的轨迹永远是固定的,智能体无法探索其它的轨迹或者访问其它的状态。DDPG全称深度确定性策略梯度。...原创 2022-08-26 15:43:37 · 852 阅读 · 0 评论 -
DQN算法
深度神经网络作为有监督学习模型,要求满足数据独立同分布,通过强化学习采集的数据之间存在关联性,利用这些数据进行寻览,神经网络表现不稳定,而经验回放可以打破数据之间的关联。在强化学习过程中,智能体将数据存储到一个数据库中,再利用均匀随机采样的方法从数据库中抽取数据,然后再利用抽取的数据训练神经网络。实际情况中,大部分问题都有巨大的状态空间和动作空间,建立Q表,内存是不允许的,而且数据量和时间开销都是个问题。采用神经网络来表示Q函数,每层网络的权重对应的就是值函数。(1)DQN利用深度卷积神经网络逼近值函数。.原创 2022-08-26 12:40:02 · 184 阅读 · 0 评论 -
Q-learning和Sarsa
Q-Learning的目的是学习特定state下,特定action的价值。是建立一个Q-table,以state为行、action为列,通过每个动作带来的奖赏更新Q-table。是异策略,行动策略和评估策略不是一个策略。原创 2022-08-26 12:01:22 · 160 阅读 · 0 评论 -
Digkstra和A*
全局路径规划的任务是根据已知的全局地图先验信息,找到一条符合所设计指标的可行路径。常见的全局路径规划算法分为两种:(1)基于搜索的算法(2)基于采样的算法(不需要对环境进行建模)基于采样的规划算法是一种不同于搜索算法的规划算法,大多数搜索的算法只能解决低维空间的路径规划问题,往往会导致高维空间的维度灾难。...原创 2022-08-25 23:39:50 · 817 阅读 · 0 评论 -
使用Keras和深度确定性策略(DDPG)来玩TORCS
学习原创 2022-08-15 10:25:37 · 692 阅读 · 0 评论 -
智能汽车路径规划-曲线插值法、人工势场法
自动驾驶车辆的各种规划路线规划:也称为全局路径规划,涉及较广的时域和空域运动规划(轨迹规划):路径和速度解耦:局部路径规划和速度规划横向与纵向解耦:横向规划和纵向规划曲线差值法曲线差值的方法是按照车辆在某些特定条件(安全、快速、高效)下,进行路径的曲线拟合,常见的有多项式曲线,双圆弧段曲线、正弦函数曲线、贝塞尔曲线、B样条曲线等。算法思想:曲线差值法的核心思想就是基于预先构造的曲线类型,根据车辆期望达到的状态(比如要求车辆到达某点的速度和加速度为期望值),将此期望值作为边界条件代入曲线类型进行原创 2022-04-07 14:37:39 · 2487 阅读 · 0 评论 -
智能汽车路径规划学习-动态规划算法、A*算法
动态规划算法动态规划时运筹学的一个分支,是求解多阶段决策过程最优问题的数学方法。各个阶段决策的选取不是任意确定的,它依赖于当前面临的状态,又影响以后的发展。当各个阶段的决策确定后,就组成了一个决策序列,因而也就决定了整个过程的一条活动路线,这样的一个前后关联具有链状结构的多阶段过程就称为多阶段决策问题。算法思想:最优化原理,把多阶段决策问题转化为一系列单阶段最优化问题。对最佳路径(最佳决策过程)所经过的各个阶段,其中每个阶段始点到全过程终点的路径,必定是该阶段点到全过程终点的一切可能路径中的最佳路原创 2022-04-07 11:13:22 · 1874 阅读 · 0 评论 -
智能汽车路径规划学习-Dijkstra、蚁群算法
路径规划算法全局路径规划算法:Dijkstra算法、蚁群算法、动态规划算法、A*算法局部路径规划:**多项式曲线法、势场法、贝塞尔曲线、B样条曲线Dijkstra算法狄克斯特拉算法。是一个节点遍历其余各节点的最短路径算法,解决的是有权图中最短路径问题。G=(V,E)是一个带权有向图,把图中节点集合V分成两组,第一组为已求出最短路径的节点集合(用S表示,初始时S只有一个源点,以后每求得一条最短路径,就将该节点加入到S集合中,直到全部节点都加入到S中,算法就该结束了)第二组为其余未确定最短路径的节点原创 2022-04-07 09:54:47 · 2319 阅读 · 0 评论 -
百面机器学习和百面深度学习-测试1
111.特征归一化:数据的量纲和大小不同会导致数据对模型的影响程度不同,每个特征对模型造成的影响不同。2.怎么处理类别特征:(类似于男女之类的类别)one-hot编码3.什么是组合特征,怎么处理高维组合特征多个特征组合到一起,高维组合特征进行特征降维为低维特征4.怎么有效的找到组合特征:构造决策树来寻找组合特征5.如何缓解图像分类任务数据量不足?数据增强,生成对抗网络生成数据221.准确率的局限性:正负样本数据比重不同时准确率会不准2.精确率和召回率:精确率:预测为正是正确的。原创 2022-04-06 20:31:50 · 1798 阅读 · 0 评论 -
百面深度学习-第六章强化学习
第六章强化学习问题1 什么是强化学习?如何用马尔可夫决策过程来描述强化学习?问题2 强化学习中的有模型学习和免模型学习有什么区别?问题3 基于策略迭代和基于价值迭代的强化学习有什么区别?问题1 距离说明时序差分强化学习和蒙特卡洛强化学习的区别?问题2 什么是Q-learning问题1 什么是强化学习?如何用马尔可夫决策过程来描述强化学习?强化学习主要由智能体和环境两部分组成。如果智能体的某个策略获得了环境的奖励信号,那么他在相似环境下采取这个策略的趋势就会加强。相反,如果某个策略获得了惩罚,那么在相似环原创 2022-04-05 16:25:43 · 822 阅读 · 0 评论 -
百面深度学习 第九章计算机视觉
第九章 计算机视觉问题1 简述物体检测领域中的单步模型和两步模型的性能差异及其原因。问题2 简单介绍两步模型R-CNN,SPPNet,Fast R-CNN,Faster R-CNN的发展过程。问题3 简单介绍单步模型YOLO、YOLOv2、YOLO9000,YOLOv3问题4:有哪些措施可以增强模型对于小物体的检测效果?问题1 简述图像分割中经常用到的编码器-解码器网络结构的设计理念。列举1-2个基于编码器-解码器结构的图像分割算法。问题1 简述物体检测领域中的单步模型和两步模型的性能差异及其原因。单步原创 2022-04-05 15:43:22 · 2297 阅读 · 0 评论 -
百面深度学习:第一章 卷积神经网络
第一章 卷积神经网络问题1 简述卷积的基本操作,并分析其与全连接层的区别问题2 在卷积神经网络中,如何计算各层感受野的大小问题3 卷积层的输出尺寸、参数量和计算量问题1 简述分层卷积及其应用场景问题1 简述卷积的基本操作,并分析其与全连接层的区别我的理解:卷积层就是通过卷积核的操作获得更加明显的高层语义特征,但是数据结构类型没有变。全连接就是输出和每个输入连接。权值共享就是由于是卷积核操作所在存在权值一样,卷积核就差不多是权值全连接类似于多层感知机,输出层的每个节点会与输入层相连接。卷积层是通过特定原创 2022-04-05 11:47:41 · 1881 阅读 · 0 评论 -
百面机器学习-降维
第四章 降维01 PCA最大方差理论线性判别分析第五章 非监督学习01 K均值聚类02 高斯混合模型03 聚类算法的评估01 PCA最大方差理论一种线性、非监督、全局的降维算法。(可以理解为一种特征提取的方式)PCA旨在找到数据中的主成分,并利用这些主成分表征原始数据,从而达到降维的目的。PCA求解方法:对样本数据进行中心化处理。求样本协方差矩阵。对协方差矩阵进行特征值分解,将特征值从小到大排列。取特征值前d大对应的特征向量,映射到d维。PCA求解的其实是最佳投影方向,即一条直线。线性判原创 2022-03-22 15:16:56 · 1156 阅读 · 0 评论 -
百面机器学习-经典算法
第三章 经典算法01 支持向量机02 逻辑回归03 决策树01 支持向量机问题1:在空间上线性可分的两类点,分别向SVM分类的超平面上做投影,这些点在超平面上的投影仍然也是线性可分的吗?不可能的问题2:是否存在一组参数使得SVM的训练误差为0?存在02 逻辑回归逻辑回归处理的是分类问题。线性回归处理的是回归问题。处理多分类问题:多项逻辑回归,或者训练k个分类器。03 决策树决策树的启发函数:最大信息增益,最大信息增益比、最大基尼系数。如何剪枝:预剪枝:划分的时候计算能否提高模型的泛化能原创 2022-03-22 14:30:04 · 803 阅读 · 0 评论 -
百面机器学习-模型评估
第二章 模型评估1.评估指标的局限性2.ROC曲线3.余弦距离的应用4.A/B测试的陷阱5.模型评估方法6.超参数调优7.过拟合和欠拟合只有选择与问题相匹配的评估方法,才能快速发现模型选择或者训练过程中出现的问题。1.评估指标的局限性准确率的局限性:分类正确的样本占总样本个数的比例。不同类别样本比例不均衡时,会影响准确率。精确率与召回率的权衡精确率是指分类正确的正样本个数占分类器判定为正样本的样本个数的比例。召回率是指分类正确的正样本个数占真正正样本个数的比例。PR曲线横轴是召回率,纵轴是原创 2022-03-22 14:10:10 · 310 阅读 · 0 评论 -
百面机器学习-特征工程
第一章 特征工程1.特征归一化2.类别特征3.高维组合特征处理4.组合特征5.文本表示模型6.Word2Vec7.图像数据不足时的处理办法提取原始数据的特征,作为输入供算法和模型使用。实际工作中特征工程是去除原始数据中的杂质和冗余,设计更加高效的特征以求刻画求解的问题与预测模型之间的关系。原始数据包括结构化数据和非结构化数据,前者类似于一个表,后者指代的是图像文本语音等。1.特征归一化包含归一化和标准化。对数值类型的特征做归一化,可以将所有的特征都统一到一个大致数值相同的区间。若不归一化,因为数值原创 2022-03-22 10:43:52 · 794 阅读 · 0 评论