- 博客(17)
- 收藏
- 关注
原创 t-SNE+K-means可视化
然后,使用K-means算法对降维后的数据进行聚类,并获取每个样本的聚类标签和聚类中心。首先使用t-SNE对特征数据进行非线性降维,将其转换为二维空间。最后,使用散点图将聚类结果可视化展示出来。
2023-05-28 17:22:08
781
原创 注意力机制的应用(附代码)
注意力机制是一种在神经网络中引入注意力概念的方法,用于提高神经网络的计算效率和预测准确率。它通过为每个输入分配不同的注意力权重,来让神经网络更加重视某些输入,从而更好地处理序列数据。
2022-12-09 16:23:00
2083
原创 基于强化学习SAC_LSTM算法的移动机器人导航
机器人避碰对于行人之间安全高效的机器人操作至关重要。本文结合SAC_LSTM算法,使机器人在人群中导航。
2022-10-11 17:23:12
3782
6
原创 路径跟随路径点画法
# coding=utf-8import timeimport matplotlib.pyplot as pltimport numpy as npdef fig1(): s1 = 0 # 弧长 T = 0.05 # 采样周期 vr = 10 # 速度 A = 5 gamma = np.linspace(0, 2 * np.pi) # x = np.linspace(0, 500, 100) # 返回num均匀分布的样本,在[star.
2022-02-22 20:56:07
878
原创 SBX(模拟二进制交叉)的代码(python)实现
本文基于python3实现的SBX(模拟二进制交叉),关于SBX的详细介绍,可以参考这篇文章:模拟二进制交叉算子详解代码仅供参考#!/usr/bin/env python# encoding:UTF-8import numpy as npimport random""" SBX 模拟二进制交叉 SBX主要是模拟基于二进制串的单点交叉工作原理,将其作用于以实数表示的染色体。 两个父代染色体经过交叉操作产生两个子代染色体,使得父代染色体的有关模式信息在子代染色体中得以保
2021-12-11 11:34:06
3663
3
原创 强化学习基础
强化学习所需要了解的知识强化学习是一种机器学习方法,强化学习能够使Agent能够在交互式环境中年通过试验并根据自己的行动和经验反馈的错误来进行学习。创建一个基本的强化学习问题,我们需要了解以下内容:1.环境,也就是Agent操作的现实世界。2.状态,也就是Agent的现状。3.奖励,也就是来自环境的反馈。4.策略,也就是将Agent的状态映射到动作的方法。5.价值,也就是Agent在特定状态下采取行动所得到的报酬。所以说,为了建立一个最优策略,Agent需要不断探索新的状态,同时最大化其所获
2021-09-12 09:12:22
622
原创 关于ubuntu16安装ROS的步骤
关于ubantu20.04配置ROS系统学习ROS首先要安装Linux,如果用作学习,建议安装虚拟机,搭载linux系统,安装学习ROS系统之前建议先学习一下linux命令。在安装之前,我们应该在软件和更新中更换国内的软件源比如清华源,然后我们添加ros软件源:sudo sh -c 'echo "deb http://packages.ros.org/ros/ubuntu $(lsb_release -sc) main" > /etc/apt/sources.list.d/ros-latest.
2021-09-11 00:10:23
2701
原创 实现12306自动登录,解决滑动过快验证失败问题
selenium实现12306自动登录原先12306登录验证是通过图片方式,现在换成了拖动滑块,并解决了滑动过快验证失败的问题,话不多说,直接上代码:#!/usr/bin/env python# encoding: utf-8'''@license: (C) Copyright 2013-2021, Node Supply Chain Manager Corporation Limited. @file: 12306模拟登录.py@time: xxxx@desc:'''from sel
2021-09-04 14:57:19
1263
原创 机器学习的通用工作流程
1.定义问题,收集数据集首先,你必须定义所面对的问题,只有拥有可用的训练数据,你才能学习预测某件事情。因此,数据可用性通常是这-阶段的限制因素。其次,你面对的是什么类型的问题?是二分类问题、多分类问题、标量回归问题、向量回归问题,还是多分类、多标签问题?或者是其他问题,比如聚类、生成或强化学习?确定问题类型有助于你选择模型架构、损失丽数等。只有明确了输入、输出以及所使用的数据,你才能进入下一-阶段。在开发出工作模型之前,这些只是假设,等待验证真假。并非所有问题都可以解决。你收集了包含输人X和目标Y的很多样例
2020-05-28 18:33:06
246
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