ICRA2022 SLAM进展---激光SLAM

ICRA2022 slam论文简单导读,未完待续

【深度学习】扩散模型(Diffusion Model)详解

【深度学习】扩散模型(Diffusion Model)详解

A2C算法原理及代码实现

A2C算法原理及代码实现

机器学习和深度学习概述

学习笔记

快速了解 GPT 发展三阶段

GPT-1 的预训练模型在 GPT-2 团队看来有一个不足的地方,虽然 GPT-1 构建了一个不错的预训练模型,但是对下游任务还是需要使用有标注的样板来训练新的模型,也就是说需要对具体的下游任务做有监督的微调。同时,GPT-2 还引入了一些新的技术,如动态掩码、自适应的词向量权重、多层次的表示等,以

三分钟认知Softmax和Sigmoid的详细区别

Softmax以及Sigmoid这两者都是神经网络中的激活函数,对应还有其他的激活函数引入激活函数是为了将其输入非线性化,使得神经网络可以逼近任何非线性函数(原本没有引入激活函数,就是多个矩阵进行相乘,无论神经网络多少层都是线性组合,这个概念是感知机)Softmax以及Sigmoid两者都是作为神经

ros(23):接收rviz中的2D Nav Goal、2D Pose Estimate消息

即设置二维导航目标,并使用“goal”这个话题进行通讯(结合rviz的其他教程,话题名也可能是“/move_base_simple/goal”)其消息类型为:geometry_msgs/PoseStamped1.2 2D Pose Estimate即设置二维初始位姿并使用“initialpose”进

【机器学习】支持向量回归

支持向量回归 SVR 回归模型 支持向量机 管道 惩罚 拉格朗日 KKT 对偶 互补松弛 支持向量 几何意义 间隔 边界 超平面

各种生成模型:VAE、GAN、flow、DDPM、autoregressive models

各种生成模型:VAE、GAN、flow、DDPM、autoregressive models

图解自注意力机制

写在最前边这个文章是《图解GPT-2 | The Illustrated GPT-2 (Visualizing Transformer Language Models)》的一部分,因为篇幅太长我就单独拿出来了。当然如果你只想了解自注意力机制也可以看看本文章的前半部分,这篇文章属算是入门科普读物了,不

R语言|plot和par函数绘图详解,绘图区域设置 颜色设置 绘图后修改及图像输出

如果bty的值为”o”(默认值)、”l”、”7”、”c”、”u”或者”]”中的任意一个,对应的边框类型就和该字母的形状相似,如果bty的值为”n”,表示无边框。R语言绘图讲解

GNSS及其定位原理,差分GNSS技术分析

根据后方交会定位原理,要实现 GNSS定位,需要解决两个问题:一是观测瞬间卫星的 空间位置;二是观测站点和卫星之间的距离,即卫星在某坐标系中的坐标。为此首先要建 立适当的坐标系来表征卫星的参考位置[8],而坐标又往往与时间联系在一起[9],因此, GNSS定位是基于坐标系统和时间系统进行的。...

【KDD20】多变量时间序列异常检测算法之USAD:对抗性训练AE

前言KDD20的paper链接:https://dl.acm.org/doi/pdf/10.1145/3394486.3403392代码链接:https://github.com/manigalati/usad一、摘要在摘要中主要指出了本文的难题引出本文的方法。原因出自Orange公司的IT系统的自

机器学习基础 HMM模型(隐马尔科夫)

在机器学习算法中,马尔可夫链(Markov chain)是个很重要的概念。马尔可夫链(Markov chain),又称离散时间马尔可夫链(discrete-time Markov chain),因俄国数学家安德烈·马尔可夫(俄语:Андрей Андреевич Марков)得名。马尔科夫链即为状

【机器学习】线性回归(超详细)

机器学习之线性回归,看懂这一篇就够了(超详细)。

SE(Squeeze and Excitation)模块的理解以及代码实现

SEBlock并非一个完整的网络,而且一个子结构,可以嵌在其他分类或检测模型中。SEBlock的核心思想是通过网络根据loss去学习特征权重,使得有效的featuremap权重更大,无效或效果小的featuremap权重更小的方式去训练模型已达到更好的结果。当然,SEblock嵌在原有的一些分类网络

自主导航与路径规划无人机研究现状

无人机自主飞行可简单地说成是指无人机在不同位置上怎样安全平稳地运动。在自主飞行技术层面上,可将其分解成4个问题:。1.What does the environment look like?2. Where am I?3. Where am I going?4. How do I get there

[总结] 半监督学习方法: 一致性正则化(Consistency Regularization)

基于平滑假设和聚类假设, 具有不同标签的数据点在低密度区域分离, 并且相似的数据点具有相似的输出. 那么, 如果对一个未标记的数据应用实际的扰动, 其预测结果不应该发生显著变化, 也就是输出具有一致性.

对sklearn中transform()和fit_transform()的深入理解

对sklearn中transform()和fit_transform()的深入理解

机器学习TensorFlow安装之CPU版本

TensorFlow1.5发布的时候,出于好奇下载安装跑了一下演示的几个代码。最近,重新拿起书本学习深度学习,发现TensorFlow已经更新发布到了2.6版本了。由于这期间电换了电脑,为了学TensorFlow只有再次安装了!两台电脑,一台笔记本电脑,没有独立显卡;另一台台式机,安装了NVIDIV