- 博客(6)
- 收藏
- 关注
RSS订阅原创 AbolDeepIO: A Novel Deep Inertial Odometry Network for Autonomous Vehicles文献阅读
AbolDeepIO: A Novel Deep Inertial Odometry Network for Autonomous Vehicles AbolDeepIO:一种新型的自动驾驶汽车深度惯性里程计网络 一、介绍 在惯性里程计领域内，传统的方法通过传感器获取IMU(惯性测量单元)的信息，并将测量后的数据通过IMU基准转换到世界基准内，接着通过数学模型预估IMU的方向和速度，来预测机器的运动。 而本文基于的新方法，即深度学习方法，同样使用传感器获取IMU信息，但是用获取的信息来训练深度学习网络模型，
2022-05-26 20:14:51
338
原创 机器学习笔记(第六章支持向量机)
机器学习（周志华著） Datawhale打卡第四天 第六章 支持向量机 基本 为什么使用支持向量 对于给定训练集D={(x1,y1),...,(xm,ym)},y∈{−1,+1}D=\{(x_1,y_1),...,(x_m,y_m)\},y\in\{-1,+1\}D={(x1,y1),...,(xm,ym)},y∈{−1,+1}二分类问题，之前的线性回归的思想是在样本空间找到一个划分超平面，但如下图所示，将样本划分的超平面可能有很多，我们如何得知哪个超平面是最佳的呢。 直观上看，两堆样本的“
2022-01-27 20:58:08
752
原创 机器学习笔记(第三章)
机器学习（周志华著） Datawhale打卡第二天 第三章 一些重要公式和结论的推导 多维最小二乘法的解 设均方误差Eω^=(y−Xω^)T(y−Xω^)E_{\hat{\omega} }=(y-X\hat{\omega})^T(y-X\hat{\omega})Eω^=(y−Xω^)T(y−Xω^),其中ω^=(ωb)\hat{\omega}=(\begin{matrix} \omega\\b\end{matrix})ω^=(ωb) $Eω^=(yT−ω^TXT)(y−Xω^)E_{\hat{\om
2022-01-17 22:18:35
600
原创 机器学习笔记（第一、二章）
机器学习（周志华著） Datawhale打卡第一天 第一章 定义 监督学习(supervised learning)：分类与回归等算法，训练数据有标记 无监督学习(unsupervised learning)：聚类等算法，训练数据无标记 NFL(No Free Lunch Theorem)：假设问题函数均匀分布，那么预测训练集外的数据时的误差与学习算法无关（即如果假设所预测的问题是无偏好的，那么学习算法的选择将毫无意义）。 “从样例中学习”的常见流派 流派 特点 具体算法 符号主义 基于明确
2022-01-11 22:29:00
316
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人