【更新中】智能車的邏輯與決策——介紹、理論與應用

0. 置頂資料

1. 神經網絡與深度學習，作者：邱錫鵬 微博：@邱錫鵬https://nndl.github.io/
2. 52 個深度學習目標檢測模型彙總，論文、源碼一應俱全！https://zhuanlan.zhihu.com/p/115035951

1. 狀態機State Machine

MATHWORKS對有限狀態機的解釋https://ww2.mathworks.cn/help/stateflow/ug/finite-state-machine-concepts.html

FSM（狀態機）、HFSM（分層狀態機）、BT（行爲樹）的區別https://www.cnblogs.com/jeason1997/p/5140201.html

使用行爲樹(Behavior Tree)實現遊戲AIhttps://www.cnblogs.com/jeason1997/p/4803243.html

Simulink-Stateflow學習——計數器的搭建和stateflow工作過程https://blog.csdn.net/zhanshen112/article/details/79697979

2. 支持向量機Support Vector Machine (VSM)

SVM支持向量機入門及數學原理https://blog.csdn.net/qq_35992440/article/details/80987664

※SVM入門經典講解（相當好）https://blog.csdn.net/ybsun2010/article/details/9042369**

簡單粗暴理解支持向量機（SVM）及其MATLAB實例https://blog.csdn.net/lyxleft/article/details/82880860

3. 深度學習

3.1 “層” Layers

3.1.1 池化層

池化層理解https://blog.csdn.net/weixin_38145317/article/details/89310404

CNN網絡的pooling層有什麼用？https://www.zhihu.com/question/36686900/answer/130890492

3.1.2 全連接層

深度學習筆記——全連接層https://blog.csdn.net/weixin_41055137/article/details/81174443

3.1.3 卷積層

從神經網絡到卷積神經網絡（CNN）https://www.cnblogs.com/skyfsm/p/6790245.html

3.1.4 SOFTMAX

小白都能看懂的softmax詳解https://blog.csdn.net/bitcarmanlee/article/details/82320853

一分鐘理解softmax函數（超簡單）https://blog.csdn.net/lz_peter/article/details/84574716?depth_1-utm_source=distribute.pc_relevant.none-task&utm_source=distribute.pc_relevant.none-task

3.1.5 迴歸層REGRESSIONLAYER

Regressionhttps://blog.csdn.net/pengchengliu/article/details/85101225

3.2 長短時記憶網絡LSTM

遞歸神經網絡LSTM原理——結合實例MATLAB實現https://blog.csdn.net/u010540396/article/details/52797489/

深度學習–Matlab使用LSTM長短期記憶網絡對負荷進行分類https://blog.csdn.net/u010058695/article/details/102727338

LSTM簡單例子(MATLAB code)https://blog.csdn.net/u010866505/article/details/74910525

Matlab使用LSTM網絡做classification和regression時XTrain的若干種數據結構-part Ihttps://blog.csdn.net/weixin_43196262/article/details/83106239
Matlab使用LSTM網絡做classification和regression時XTrain的若干種數據結構-part IIhttps://blog.csdn.net/weixin_43196262/article/details/83109888

用 LSTM 做時間序列預測的一個小例子https://www.jianshu.com/p/38df71cad1f6