上一页 1 ··· 17 18 19 20 21 22 23 24 25 ··· 28 下一页
摘要: 之前一直写C#,变量之间赋值相当于拷贝,修改拷贝变量不会改变原来的值。但是在python中发现赋值操作本质是和C++中的引用类似,即指向同一块内存空间。下面通过一个例子说明: 发现改变q的值,p也同时改变。 如果要向C#中一样拷贝变量可以通过copy实现 输出 阅读全文
posted @ 2018-04-12 09:22 未完代码 阅读(321) 评论(0) 推荐(0) 编辑
摘要: C++ C# python 阅读全文
posted @ 2018-04-10 19:28 未完代码 阅读(120) 评论(0) 推荐(0) 编辑
摘要: 1.求x 的n次幂。 C++ #include<cmath> C# python 阅读全文
posted @ 2018-04-10 19:07 未完代码 阅读(173) 评论(0) 推荐(0) 编辑
摘要: 由上图,第一行每一网格的概率均为0.2,当机器人观察到红色后,红色网格概率乘以0.6,绿色网格概率乘以0.2,就可以得到图中第二行所示概率。可以发现这并不是一个概率分布,因为网格和为0.36. 进行分布归一化处理,将第二行网格中的每一个数值除以0.36,可以得到如下图所示网格概率。 P(X/Z)被称 阅读全文
posted @ 2018-04-10 17:10 未完代码 阅读(401) 评论(0) 推荐(0) 编辑
摘要: 中心极限定理 从这里开始直到高斯分布课程结尾的内容皆为选修部分。 这一部分介绍了高斯分布的由来。如果你想深入学习高斯分布背后的理论,那么请继续。如果你不想,也可以直接跳到机器人定位课程。 中心极限定理 从这里开始直到高斯分布课程结尾的内容皆为选修部分。 这一部分介绍了高斯分布的由来。如果你想深入学习 阅读全文
posted @ 2018-04-10 15:50 未完代码 阅读(2619) 评论(0) 推荐(0) 编辑
摘要: 高斯分布 为了了解无人驾驶的不确定性,你至少需要掌握高斯分布的基础知识。例如,在研究传感器数据的不确定性或是确定行人的位置时,往往会应用高斯分布。 接下来,本课程将简要介绍高斯分布和它的起源。 然而,这并不是一门纯统计课程。我们只是对这种分布进行简单介绍,同时假设你已经熟悉了平均值、标准差、总体和样 阅读全文
posted @ 2018-04-10 14:47 未完代码 阅读(1604) 评论(0) 推荐(1) 编辑
摘要: 转载地址:https://mp.weixin.qq.com/s?__biz=MzI1NjkxOTMyNQ==&mid=2247484266&idx=1&sn=d6bcd4842cfb3fdf877dffb7f1867be4&chksm=ea1e1118dd69980e082ec14f9a7f8c7b 阅读全文
posted @ 2018-04-10 12:29 未完代码 阅读(9178) 评论(0) 推荐(0) 编辑
摘要: 无人驾驶汽车-2D世界 [示范] 现在,你将要使用2维网格,而不是1维网格。但是你要做的四件事情,与你在之前的那个1D案例中的四件事情一样: 编写一个函数,用于初始化网格中的概率 编写一个函数,输出机器人在网格上特定点的概率 编写一个函数,用于显示网格的概率(这个函数是为你提供的) 编写一个函数,用 阅读全文
posted @ 2018-04-10 12:07 未完代码 阅读(240) 评论(0) 推荐(0) 编辑
摘要: 机器人初始化 想象一下,你有一个生活在一维世界中的机器人。这个机器人依存于九个不同空间的网格。它只能向前或向后移动。如果它从网格上脱落下来,则会绕回到另一侧。 这个机器人有一张地图,这样它可以知道只有九个空格。但机器人不知道它在地图上的位置。下面就是该一维地图。 第一次打开该机器人时,它在这些空间中 阅读全文
posted @ 2018-04-10 11:52 未完代码 阅读(325) 评论(0) 推荐(0) 编辑
摘要: 示例:散点图 最常见的散点图之一是x-y散点图。下面的代码会大致告诉你一个matplotlib是如何工作的,你会看到如何一点点建立起一个散点图。 我们正在使用点的x和y位置的一些构成数据。运行下面的代码,然后我们将解释每一行代码分布代表什么。 示例:条形图 如果我们用相同的x和y值创建一个条形图,该 阅读全文
posted @ 2018-04-09 17:00 未完代码 阅读(2292) 评论(0) 推荐(0) 编辑
上一页 1 ··· 17 18 19 20 21 22 23 24 25 ··· 28 下一页