tangwing的专栏

地图众包 专业 Lidar+camera 点云结合定位GPS 北斗 WIFI 基站... Feature定位感知雷达 Lidar(激光) 毫米波 超声波 视觉 detection tracking classification segmentation 预测model based model free车道序列选择规划路径规划 A* 轨迹规划：离散踩点，成本最优，平滑3维：速度，距离，时间控制mpc pi.

报告pdf一些个人笔记

春节假期https://www.coursera.org/learn/discrete-optimization

这一篇的主题主要是如何处理一组有层级关系的序列预测。例如我们进行未来30天的游客数量预测，需要涉及多个颗粒度：城市，省和国家。当然我们可以对每个维度单独建模进行预测，但是很明显这多个序列是有层级关系的：城市维度的预测应该可以聚合到省份而进一步向上聚合到国家。各序列单独预测并不能保证这种一致性。那么就涉及到对这一方向的进一步研究。笔者偶然发现Rob J Hyndman的书(见上图)中是有这样一章的Chapter 10Forecasting hierarchical or groupedtime s...

Deep modelsDeepARSalinas, D., Flunkert, V., Gasthaus, J., & Januschowski, T. (2020). DeepAR: Probabilistic forecasting with autoregressive recurrent networks. International Journal of Forecasting. https://doi.org/10.1016/j.ijforecast.2019.07.001A.

本篇文章希望对demand forecasting涉及的技术进行框架性的整理。首先参考的是供应链及库存相关的著作，一般其中都会有关于forecasting的一章。ReferencesWaters, D. (2003).Inventory control and management 2nd. John Wiley & Sons. (偏OM) Axsäter, S. (2015).Inventory control(Vol. 225) 3rd. Springer. (更新，信息更多些)...

机器学习中的MLE、MAP、贝叶斯估计 - 李文哲的文章 - 知乎 https://zhuanlan.zhihu.com/p/37215276上面这篇文章对所提到的三种方法做了清晰的对比。总结图：另外文中总结：几点重要的Take-aways：每一个模型定义了一个假设空间，一般假设空间都包含无穷的可行解； MLE不考虑先验（prior)，MAP和贝叶斯估计则考虑先验（prior）； MLE、MAP是选择相对最好的一个模型（point estimation）， 贝叶斯方法则是通过观测数据来估

Time series prediction- 在主要feature是时间时用的比较多。如果有很多额外的feature，考虑深度模型- Trend： 长期的趋势- Seasonality：季节性- Cyclicity：周期性 比如经济周期- Irregularity：unpredictable factors。最好在数据层面就剔除掉# Before forecasting- Make sure the series is stationary : devoid of seasonali

It's unrealistic to consider the environement as static with only one agent: it's almost always necessary to consider the reaction of multiple agents on each others' moves. With multiple agent, the space of control (action) becomes exponentially large on t

这次阅读一篇NIPS2018的文章，关于World Models in Reinforcement Learning.

根据我的习惯，当然先放ressources：slides，video. 这是Sutton在DLRLSS 2019 summer school上的一个lecture，从他自己的角度分享了对RL领域的一些理解，他目前的研究方向及前沿等。一些思考还是很有启发的。个别要点摘录于此，细节可以自行阅读、观看。Developing your own research thoughtsThere are no authorities in science. Be ambitious but also humble.

Model based methods can be used in Control Theory. Environment has assumptions and approximations.Learn the model. By supervised learning, for instance. Play the game then train the world model. World models: one of my favorite approaches in which th...

简单记录一下关于仿真优化的一些知识点和思考。

点这个：https://towardsdatascience.com/a-road-map-for-deep-learning-b9aee0b2919f

Source:http://www.seas.ucla.edu/~vandenbe/ee236c.htmlIntroductionOutlineFirst-order algorithms Decomposition and splitting Second-order algorithms for unconstrained optimization Interior point for conic optimizationGradientConvexity-∇^2(f..

Overview of gradient descent algorithmsAn overview of gradient descent optimization algorithmsGradient descent is the preferred way to optimize neural networks and many other machine learning algorithms but is often used as a black box. This post..

Reading notes of the paper "Distributed Optimization and Statistical Learning via ADMM" byBoyd, Parikh, Chu, Peleato and Eckstein.IntroductionADMM : developped in the 70s with roots in the 50s. Proved to be highly related to other methods like Douglas.

本文的主要目的是对基于gradient的一些approximation知识点以及优化方法做一个简单的review。详细内容参考引用链接，这里只列出key points，主要是在遗忘的时候能够快速catch up…Jacobian矩阵和Hessian矩阵引用：Jacobian矩阵和Hessian矩阵 雅克比与海森雅可比矩阵(描述的一阶导数矩阵).. 把它理解为一阶gradient就...

本文记录了一些对Benders (B)和Danzig-Wolf(DW) decomposition 的一些初步理解以及两者的使用场景与对比。来源：Jacek Gondzio,https://www.researchgate.net/post/Can_anyone_state_the_difference_or_pros_cons_of_benders_decomposition_vs_...

Currently learning stochastic optimization (SO) theory, I will note important content here.Multi-stage vs Multi-periodStage: is defined according to decisions madePeriod: is defined according to t...

In the last postOverview of RLwe've seen two different methodologies: Policy Gradient which aims at training a policy (Actor); and Q-Learning which aims at training a state-action value function (Cr...

强化学习概览This overview is largely based on this article:https://medium.com/@SmartLabAI/reinforcement-learning-algorithms-an-intuitive-overview-904e2dff5bbc.Model-based vs Model freeModel: world...

This article is inspired by这里and 这里.- 激活函数的主要意义是为NN加入非线性的元素。在神经学上模仿的是一个神经元是否有效。A Neural Network without Activation function would simply be aLinear regression Model.Neural-Networks are consid...

Everything is optimization. Problem solving = Representation->evaluation->optimization. The solution is continuous or discrete ? If discrete, could brute-force or branching be a choice ? The ...

转眼已经2019年了，回望过去，经历很多，变化很大，感觉有些恍惚~最大的变化无非几个月之前入职新公司，继续运筹优化方面的算法工作。新公司，新环境，信息量很大。适应了几个月之后，发现有必要重新梳理自己的知识结构，并且用心去整理和沉淀一些东西。思索了半天又搜索了半天，才想到这个已经被我荒废多年的地方…结果竟然登录成功，庆幸CSDN还没有倒闭，以前的文章竟然还在。惊喜之余决定以后就在此处记录我的点滴...

catch 异常时，C++不会通过相关“转换构造函数”来强行匹配，但可用父类匹配子类在catch中尽量使用引用，以免出现“切割”及不必要的拷贝catch(...) 可以捕获一切，{throw;}可以将异常再次抛出没有catch可用时，或异常由析构函数抛出时，系统调用terminate(), 进而调用abort()终止程序。可通过set_terminate()替换terminate函数要确保构造函数

本次上机记录的主题是如何执行外部程序。Unix下有一组名为execxx()的函数：#include unistd.h>extern char **environ;int execl(const char *path, const char *arg, ...);int execlp(const char *file, const char *arg, ...);int ex

<br />最近由于总需要在教固定ip和动态获取ip这两种网络环境下切换，所以干脆写了个批处理的脚本，自动实现切换功能。不废话了，贴代码：<br /> <br />@echo off:headecho "Usage:Input 0 to change ip setting to auto mode; 1 changes ip setting to wwc mode."set /p option= Please input your choice:if %option% EQU 0 (

    最近在网上找了基本txt格式的电子书下来看，感觉很不爽，因为回车换行总是出现在句子中间。可能作者是从网页上复制下来的，总之我需要想办法把这些多余的空行删掉。一个小程序如下：package file;import java.io.*;/** * * @author Lane_Shang */public class EnterCleaner {