- 博客(162)
- 资源 (2)
- 收藏
- 关注
RSS订阅
原创 阿尔法α-贝塔β剪枝
1、简单的说明：一开始α和β是负正无穷，α表示到目前为止路径上发现的MAX的最佳(即极大值)选择，β表示到目前为止路径上发现的MIN的最佳(即极小值)选择。α-β搜索中不断更新α和β的值，并且当某个节点的值分别比目前的MAX的α或者MIN的β的值更差时剪裁此节点剩下的分支(即终止递归调用)。2、开始：每一个节点上都标明了可能的取值范围，先从B下面第一个叶节点3开始，这时作为MIN节点的B值...
2018-09-28 10:27:13
23761
12
原创 Fraction of Same-Cell Type Transitions (FOSCTTM) 相同细胞类型转换的分数
FOSCTTM评估函数，用于评估转换空间结果的好坏
2024-02-28 16:27:27
906
1
原创 最优传输Optimal Transport-Wasserstien距离 以及Gromov-Wasserstien距离以及fused Grosserstien距离
简要介绍Optimal Transport, 及其变种算法 Gromov-Wasserstien 和 Fused Gromov-Wasserstien Distance
2024-02-22 02:10:43
1243
原创 google翻译相机报错 请安装最新的Google应用，以便使用相机翻译功能
google翻译： 请安装最新的Google应用,以便使用相机翻译功能
2024-01-18 23:06:44
3404
原创 标准 Transformer 可以成为强大的超图学习器 Pure Transformers Can Be Powerful Hypergraph Learners
使用超图训练标准结构的Transformer模型！
2023-08-31 22:34:50
252
原创 nn.embedding层报错index out of range in self的另一种修复方式
nn.embedding层报错 index out of range in self 的另一种修复方式
2023-03-24 04:50:01
1997
1
原创 [AI] LRTA*搜索算法及其扩展算法
LRTA是基于RTA的改进版，RTA会记录第二最优解，进而引导agent走向错误方向，LRTA通过记录最优解而不是第二最优解解决了这个问题。LRTAHsgss′Hs′Hsgss′Hs′其中H(s)表示前一节点的启发式值，g(s, s’)表示从节点s到s‘的代价，H(s’)表示当前节点的启发式值。LRTA。
2023-03-14 23:51:10
698
原创 [AI] 优先级LRTA*搜索算法 Prioritized-LRTA*
优先级LRTA*搜索算法，Prioritized-LRTA*，启发式搜索算法
2022-12-06 06:04:57
419
原创 UnknownError: Failed to get convolution algorithm. This is probably because cuDNN failed to initiali
改BUG问题背景改正方法问题背景使用tensorflow的 Conv2D 层时，指定了 data_format = “channel_first”，但是如果这时 TF 使用的是CPU，就会报错。报错如下：UnknownError: Failed to get convolution algorithm. This is probably because cuDNN failed to initialize, so try looking to see if a warning log messag
2021-11-29 01:23:07
1270
原创 ValueError: The first argument to `Layer.call` must always be passed 改正方法之一
Bug背景解决方法背景当我自定义了一个tf.keras.Model类后，在 init函数中初始化了一个 Dense 层，但我在 call 函数中的用法是a = Dense_layer()(input_data)解决方法我搜了关于这个报错的相关修正案例，主要的问题是说并没有把应该传进来的数据传进来(以这个想法来检查你的代码，看数据是不是真的没传进来)，所以我修改如下a = Dense_layer(input_data)...
2021-11-28 23:15:03
3738
原创 [概率论] 贝叶斯公式
这是最近在学习中遇到的问题，技艺不精，在此记录一下我记忆中的贝叶斯公式一直是P(A∣B)=P(B∣A)P(A)P(B)P(A|B)=\frac{P(B|A)P(A)}{P(B)}P(A∣B)=P(B)P(B∣A)P(A)但我一直忽略了它的完整公式P(Ai∣B)=P(B∣Ai)P(Ai)∑jP(B∣Aj)P(Aj)P(A_{i}|B)=\frac{P(B|A_{i})P(A_{i})}{\sum_{j}P(B|A_{j})P(A_{j})}P(Ai∣B)=∑jP(B∣Aj)P(Aj)P(B∣
2021-11-26 07:39:27
754
原创 移动机器人链式系统 Chain Form of Mobile Robot
移动机器人链式系统一、链式系统二、链式是可控的二、链式系统与动力学模型一、链式系统链式系统是一种特殊的非线性无漂移系统链形式：z1˙=v1\dot{z_{1}} = v_{1}z1˙=v1z2˙=v2\dot{z_{2}} = v_{2}z2˙=v2z3˙=z2v1\dot{z_{3}} = z_{2} v_{1}z3˙=z2v1..................zR˙=zR−1v1\dot{z_{R}} = z_{R-1} v_{1}zR˙=zR−1v
2021-11-21 05:53:28
540
1
原创 [ProbR] 高斯分布 Gaussian Distribution
高斯分布 Gaussian Distribution一、高斯分布二、求高斯分布参数1. 离散数据2. 连续数据三、规范参数化四、高斯分布的联合分布五、仿射变换六、条件高斯分布七、高斯分布的链式法则一、高斯分布p(x)=N(x;μ,Σ)=1(2π)n/2detΣexp(−12(x−μ)TΣ−1(x−μ))p(x) = N(x; \mu, \Sigma) = \frac{1}{(2\pi)^{n/2}\sqrt{det\Sigma}}exp(-\frac{1}{2}(x-\mu)^{T}\Sigma^{-
2021-11-05 09:05:02
2107
原创 [AMR] 独轮和双轮移动机器人运动学模型 Kinematic Model of Unicycle and Bicycle Mobile Robot
独轮和双轮移动机器人运动学模型一、独轮移动机器人1. Configuration2. 约束 Constraints3. 运动学模型4. Lie Bracket 与判断是否可控 ControllableLie Bracket的定义判断是否可控 Controllable二、两轮自行车 Bicycle1. Configuration2. 约束 Constraints3. 运动学模型4. 判断是否可控一、独轮移动机器人独轮图1. Configurationq=(xyθ) q = \begin{pmat
2021-10-30 07:00:35
1989
1
原创 [ProbR]概率机器人之基于贝叶斯网络的探索机器人Orazio！
基于贝叶斯网络的探索机器人Orazio一、环境背景二、原理1. 动态系统三、代码一、环境背景在网格地图中，我们的移动机器人 Orazio 要探索地图。红色移动机器人Orazio蓝色是四个保险杠(bumpers???我以为不知道为什么？？)来感知环境黑色格子是墙，不能走白色格子是可以走的路在每个时间点可以给 Orazio 一个向上下左右走的命令二、原理1. 动态系统进一步，transition函数 f 和observation函数 h 详细写成下图：由初始
2021-10-11 07:15:30
261
原创 解决Chrome无法显示本地的.vtt字幕文件 (如何让本地HTML运行在Server上)
解决Chrome无法显示本地的.vtt字幕文件问题描述解决方法问题描述在使用 Chrome 打开本地的html后，播放html中内嵌的视频时，不显示加载的 .vtt 文件字幕解决方法需要把 html 文件运行在server 上才能正常显示，可以给Chrome安装一个下图所示的插件安装后启动，选择你的HTML文件所在文件夹，然后点击 本地URL 即可使视频出现字幕！...
2021-08-11 17:07:55
1797
原创 [VP] 简易相机标定装置实现—计算相机标定矩阵K - 多视觉几何
简易相机标定装置实现—计算相机标定矩阵K一、算法原理二、代码实现0、显示图像和正方形的点1、计算单应矩阵 H1.1 确定正方形的角点1.2 计算单应矩阵 H2、计算图像正方形的成像圆点3、使用Cholesky因子计算标定矩阵 K一、算法原理用相机拍摄一张带有三个正方形框的照片，确定其 4*3=12 个点，如下图所示：设定单应矩阵 H{\bf H}H 为：H=[H11H12H13H21H22H23H31H32H33](1)H = \begin{bmatrix} H_{11} & H_{12
2021-07-18 00:31:00
605
1
原创 [VP] 证明多视觉几何中平行线段长度比不变
平行线段长度比不变一、算法原理二、代码实现一、算法原理首先有四个点 p1,p2,q1,q2p_{1}, p_{2}, q_{1}, q_{2}p1,p2,q1,q2，经过单应矩阵 HaH_{a}Ha 变换后得到新的点：p1′=Hap1, p2′=Hap2p_{1}^{'}=H_{a}p_{1}, \space\space\space\space p_{2}^{'}=H_{a}p_{2}p1′=Hap1,
2021-07-18 00:01:11
142
原创 [VP] 恢复图像镜面扭曲 - 多视觉几何
恢复图像镜面扭曲一、算法原理二、代码实现1、确定四个点2、由这四个点确定四条线3、由四条线确定两个消失点4、由这两个消失点确定消失线5、由消失线确定HPH_{P}HP6、由warp函数和HPH_{P}HP复原图像7、用DLT复原图像8、确定 H−TlTH^{-T}l^{T}H−TlT在无穷远处的一条线上一、算法原理感谢老哥提供的图！图像中的四条线在现实世界中应该是平行的，或者可以说现实世界中的平行线经过扭曲变换 H 变成了上图那样。那么我们拿到一张扭曲后的图，首先应该是寻找四个点，这四个点互
2021-07-17 23:46:23
479
2
原创 [VP] 投影空间坐标和线的齐次变换
投影空间坐标和线的齐次变换一、基本原理公式二、代码实现1、证明共线点 x1,x2,x3x_{1},x_{2}, x_{3}x1,x2,x3 在线 lll 上2、证明xnewx_{new}xnew 在线 lnewl_{new}lnew 上一、基本原理公式1、齐次点在线上，当且仅当： xTl=lTx=0x^{T}l=l^{T}x=0xTl=lTx=02、齐次点和线在应用了变换矩阵H后，新的点 xnewx_{new}xnew 依然在新的线 lnewl_{new}lnew 上：lnew=H−
2021-07-10 08:52:50
194
原创 [AI] 如何制作一个低配山寨版贾维斯？-口语人机交互 Spoken Human Robot Interaction
口语人机交互 Spoken Human Robot Interaction一、交互结构总览二、代码一、代码背景二、对话运行结果展示对话一对话二对话三对话四三、实现代码如何制作一个低配山寨版贾维斯?一、交互结构总览第一步：首先通过语音输入设备，将语音信息输入计算机。这里我使用speech_recognition.sr.Microphone() 函数调用计算机麦克风，然后 sr.Recognizer().listen() 将麦克风输入的语音信息保留下来。第二步：使用语言识别库，将输入语音
2021-07-05 21:39:37
2164
3
原创 Sympy小数点精确度
Sympy小数点精确度Sympy的计算结果，我们只想取四舍五入的小数点后某几位例如：a = 1.23456789但我们想得到精确到小数点后4位的结果：a = 1.2346可以用下列代码，其中** K 是Sympy计算出的你的结果，1是所需要的小数点后精度的位数**：K.xreplace({n : round(n, 1) for n in K.atoms(Number)})...
2021-05-31 03:09:04
1284
原创 module ‘skimage‘ has no attribute ‘transform‘
背景在导入 skimage 库后，使用其中的 transform 分支时报错错误代码import skimageskimage.transform.warp(img, H)报错如下：module 'skimage' has no attribute 'transform'解决方法提前完整导入要用的函数import skimage.transform.warp...
2021-05-14 18:45:13
1313
原创 神经工程-相关汇总
[NE-A]系列该系列主要侧重生物相关[NE-A]神经细胞 Neural Cell[NE-A] 动作电位 Action Potential[NE-A]脑组织与脑可塑性[NE-A] 脑电测量[NE-A]神经编码[NE-A]神经解码[NE-A]脑网络一[NE-A]脑网络二[NE-B]系列该系列主要侧重脑电波相关[NE-B]脑电波(一)[NE-B]脑电波(二)[NE-B]脑电波(三)[NE-B]信号处理基础 一[NE-B]信号处理基础 二[NE-B]信号处理基础 三[NE-B]
2021-05-12 02:35:39
144
1
原创 [NE-B] 信号处理基础 五
信号处理基础 五特别致谢正文原文特别致谢感谢 qq_38337937 的翻译正文1、滤波器的目的是使信号的某些频谱分量能够（几乎）不变地通过，而（几乎）阻塞其他频谱分量。2、滤波器根据其频率响应的基本形状分为四种类型：（i）低通；（ii）高通；（iii）带通；（iv）带拒绝（或带阻）。3、通带是滤波器增益接近1的频率间隔。在阻带中增益接近0。在过渡带中，增益的中间值介于0和1之间。4、滤波器的滚降是其在过渡带中的频率响应斜率。 过渡带较窄时其值较高。5、截止频率（或转折频率）指定通带的极
2021-05-12 02:22:50
235
1
原创 [NE-B] 信号处理基础 四
信号处理基础 四特别致谢正文原文特别致谢感谢 qq_38337937 的翻译正文1、例如，当将信号的频谱与同一信号的短部分的频谱进行比较时，会观察到频谱泄漏现象。2、为了频谱分析，提取从较长信号中提取的持续时间ΔT\Delta TΔT的一部分等效于将信号乘以矩形窗函数，该值在感兴趣的部分中的值为1，在其他部分中的值为0。3、频谱泄漏以窗口函数的DFT定义的模式扩展原始频谱的每个频率样本，因此由一个主脑叶和几个侧脑叶表征。4、光谱泄漏的影响可以通过使用锥形窗口函数（如（Hamming）或（B
2021-05-12 02:09:02
280
1
原创 [NE-B]信号处理基础 三
信号处理基础 三特别致谢正文原文特别致谢感谢 qq_38337937 的翻译正文1、离散傅立叶变换（DFT）将信号的（时限和采样）时域表示与频域表示（带宽受限和采样）关联起来。2、给定一个具有N个样本的采样信号，其DFT将包含N个复数值，其前半部分足以完全定义该信号。3、信号的DFT表示信号在从0 Hz到采样频率的频率i处的振幅Ai和正弦波分量的初始相位i。 由于频谱的其余部分是前半部分的镜像副本，因此仅需要高达奈奎斯特频率的分量即可表征信号。4、有限持续时间T的任意零均值信号可以通过频率
2021-05-12 01:54:05
234
原创 [NE-B]信号处理基础 二
信号处理基础 二特别致谢正文原文特别致谢感谢 qq_38337937 的翻译正文1、平均整流值（ARV）是信号幅度的量度，它是通过将所有样本的绝对值相加并除以样本数获得的结果。2、ARVx=1/N∑i∣xi∣ARV_{x} = 1/N \sum_{i} |x_{i}|ARVx=1/N∑i∣xi∣，其中的和扩展到信号X的N个样本上。3、均方根（RMS）是信号样本的平方值的平均值的平方根。4、信号的方差是通过对N个样本值与样本平均值的所有偏差的平方求和，然后除以N-1来估算的。5、SX
2021-05-11 22:57:40
238
原创 [NE-B]信号处理基础 一
信号处理基础 一特别致谢正文原文特别致谢感谢 qq_38337937 的翻译正文1、香农定理（采样定理）指出，只有当连续信号不包含高于采样率一半的频率分量时，才能对其进行正确采样。2、在模数转换（ADC）中，奈奎斯特频率等于采样频率的一半。3、从采样版本重建模拟信号等于一组 sinc()sinc()sinc() 函数的和，每个样本一个函数，每个函数均以各自样本的时间为中心，其幅度等于样本值。4、当在香农定理设定的条件之外对模拟信号进行采样时，就会出现混叠。5、当ADC中出现混叠时，一个频
2021-05-11 21:30:24
148
2
原创 [NE-A]脑网络二
脑网络二因果关系因果关系的定义线性自回归(AR)模型 Linear Autoregressive (AR) Model辛格因果测试优缺点小测验成对分析和多元分析因果关系因果关系的定义物理影响：改变它们的原因会改变其后果实验控制的干预措施，对其远端效应的评估对大脑活动的物理作用可以有效地消除该节点所受到的任何其他物理影响时间优先级：原因先于其后果在时间上不同的神经事件之间改善预测能力的测试观察性检查（非介入性检查）统计学上的定义：给定两个同时测量的信号，如果通过合并来自
2021-05-11 18:26:53
137
1
原创 [NE-A]脑网络一
脑网络一脑部的连接性Brain connectivity结构上连接在功能上的连接性实际作用的连接性相关性和一致性 Correlation and coherence自关联和互关联Auto- and cross-correlation单变量分析：只独立分析一个电信号多元分析：在复杂的系统中，我们需要分析信号及其相互依赖性网络神经科学的目标是映射、记录、分析和建模神经生物系统的元素和相互作用脑部的连接性Brain connectivity神经群（功能性专用区域）是物理连接的（解剖学连接），并在自身
2021-05-06 22:44:18
178
二进制函数分类数据-附代码
2020-12-04
FER2013数据集
2018-10-01
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人