上一页 1 2 3 4 5 6 7 ··· 14 下一页
摘要: 如果有多个usb链接到电脑,如果插入的先后顺序不同,那么会导致对应的usb口也会不同,例如当只有一个激光的usb链接到电脑,其设备名字为/dev/ttyUSB0;当如果有底盘的usb以及激光的usb连到电脑时,如果先插入底盘的usb,再插入激光的usb底盘的usb,那么激光的usb对应的设备名字就变 阅读全文
posted @ 2017-08-23 15:01 horsetail 阅读(665) 评论(0) 推荐(0) 编辑
摘要: 这里提供两种方法。 第一种方法:clang_format 1.安装clang format 2.从github的roscpp_code_format项目,下载格式文件.clang-format,注意它是一个隐藏类型的文件,可以通过Ctrl+H显示出来 3.将.clang-format文件拷贝到工作空 阅读全文
posted @ 2017-08-23 14:35 horsetail 阅读(964) 评论(0) 推荐(0) 编辑
摘要: 清除本地修改 拉代码 Git Pull While Ignoring Local Changes? git pull 并强制覆盖本地修改 git pull 并强制覆盖本地修改 阅读全文
posted @ 2017-08-18 10:55 horsetail 阅读(3428) 评论(0) 推荐(0) 编辑
摘要: 发现了一个非常不错的关于自然交互OpeNI2+NiTE2的资源,非常感谢Heresy,这里分享链接: OpenNI 2.x 教学文章(转载自:Heresy博客,地址:https://kheresy.wordpress.com/index_of_openni_and_kinect/documents- 阅读全文
posted @ 2017-08-08 18:02 horsetail 阅读(2263) 评论(0) 推荐(1) 编辑
摘要: 1.各种最新开源的SLAM a.OpenSLAM。这里收集了各种最新的开源SLAM资料,包含了比如: ORB_SLAM, ORB_SLAM2, hector_slam,ethzasl_ptam,g2o,fastfusion,lsd_slam,rgbdslam_v2,dso,rtabmap_ros,s 阅读全文
posted @ 2017-07-26 16:35 horsetail 阅读(708) 评论(0) 推荐(0) 编辑
摘要: 1.原理 CNN的资料特别多,这里不再赘述,仅收集相关的资料供大家参考: a.Deep learning:五十一(CNN的反向求导及练习) b.Deep Learning 2.实现 我们使用keras实现CNN,Keras的使用文档请参考 a.Keras中文文档 b.Keras英文文档。 参考ker 阅读全文
posted @ 2017-07-09 16:22 horsetail 阅读(869) 评论(0) 推荐(0) 编辑
摘要: BP神经网络是深度学习的重要基础,它是深度学习的重要前行算法之一,因此理解BP神经网络原理以及实现技巧非常有必要。接下来,我们对原理和实现展开讨论。 1.原理 有空再慢慢补上,请先参考老外一篇不错的文章:A Step by Step Backpropagation Example 激活函数参考:深度 阅读全文
posted @ 2017-07-04 21:11 horsetail 阅读(2912) 评论(0) 推荐(0) 编辑
摘要: 1.信息熵 给定概率密度函数\(p(x)\), 定义该函数的信息熵 \(H(p)=H[\mathbf{x}]=-\int{p(\mathbf{x})lnp(\mathbf{x})d\mathbf{x}}\) 信息熵描述了分布的混乱程度。均匀分布是使得信息熵最大的概率分布。单点的冲击响应函数对应的信息 阅读全文
posted @ 2017-07-01 19:02 horsetail 阅读(464) 评论(0) 推荐(0) 编辑
摘要: 在一些应用中会需要获取master的uri地址,发布的话题,订阅的话题,发布的服务,节点的信息等等。这些功能我们通常可一通过rosnode list, rosnode info, rostopic list, rostopic info, rosservice list和 rosservice in 阅读全文
posted @ 2017-06-29 12:45 horsetail 阅读(2271) 评论(0) 推荐(2) 编辑
摘要: Softmax回归用于处理多分类问题,是Logistic回归的一种推广。这两种回归都是用回归的思想处理分类问题。这样做的一个优点就是输出的判断为概率值,便于直观理解和决策。下面我们介绍它的原理和实现。 1.原理 a.问题 考虑\(K\)类问题,假设已知训练样本集\(D\)的\(n\)个样本\(\{( 阅读全文
posted @ 2017-06-28 12:16 horsetail 阅读(3672) 评论(0) 推荐(0) 编辑
上一页 1 2 3 4 5 6 7 ··· 14 下一页