- 博客(4)
- 收藏
- 关注
RSS订阅原创 Ubuntu18系统下采集点云数据（速腾16线激光雷达）与ZED 2 相机进行外参标定（Matlab的LCC工具箱）
在ubuntu系统下显示并保存速腾16线激光雷达点云数据，转化点云数据格式用来完成在MATLAB中的激光雷达和双目相机外参标定
2022-11-21 16:49:48
2086
2
原创 梯度下降法
梯度梯度下降法是一种优化代价函数J(θ0，θ1)的算法。通过不断迭代来改变参数θ0、θ1的值，直到代价函数J(θ)到达局部极小值或全局最小值。如下图，为θ0、θ1先设置一个初始值，得到代价函数，对应到三维图中的点，求在该点处的梯度（代价函数J(θ)对两个参数求偏导），朝梯度下降方向走一步，不断重复迭代该步骤，直到走到全局最小值，此点对应的两个参数就是最终确定下来的θ0、θ1。初始值的选取可能会影响最终结果，因此最终所得可能是全局最小值，也可能是局部极小值。参数θ0、θ1的更新由以下公式计算:=
2021-02-23 17:29:56
301
原创 代价函数、相关系数、决定系数
代价函数（损失函数）Cost Function–J(θ0，θ1)代价函数的形式众多，含义相似，如下为一个一元线性回归的代价函数我们的目标：通过改变代价函数的两个参数（即改变回归线h(θ)的截距和斜率）来最小化代价函数J(θ)，减小训练集数据拟合时的误差。找到代价函数J(θ)的最小值后就能确定θ0、θ1的取值。右图中横坐标表示截距θ0，纵坐标表示斜率θ1，选取的两个参数对应左图的直线。通过选取不同的代价函数参数θ0、θ1，找到全局最小值，即J(θ)min。相关系数（线性、两个变量）相关系数的
2021-02-20 14:48:49
789
原创 人工智能-机器学习-深度学习小白入门
在过去的半年研究生学习过程中，CSDN作为IT人才的聚集地，为我在学习人工智能方面的知识提供了许多帮助。因此我决定记录我的学习过程，希望有朝一日能成为一名合格的程序媛，与其它朋友们交流讨论、相互学习。人工智能-机器学习-深度学习是逐层包含又进一步深化的关系。深度学习更适合数量级比较大、应用任务较复杂的场景，如图像识别、语音识别、人脸识别。机器学习适用于几十、几百、几千的数据集，速度更快、效果更好。回归：预测数据为连续性数值根据数据集分布来做出回归线或超平面(SVM)来对未来数据进行预测eg:根据已
2021-02-18 15:57:31
294
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