原创 ROS學習（五）-服務數據的定義與使用
一、 定義srv文件 string name uint8 age uint8 sex uint8 unknown = 0 uint8 male = 1 uint8 female = 2 --- string result
2020-07-05 11:01:44
原创 ROS學習（一）-創建發佈者代碼
如何實現一個發佈者 1.初始化ROS節點； 2.向ROS Master 註冊節點信息，包括髮布的話題名和話題中的消息類型； 3.創建消息數據； 4.按照一定的頻率循環發佈消息 //來自古月居21講，自學做筆記用 /* 該例程將發佈
2020-07-05 10:20:53
原创 深度學習常見問題（一）-深度學習引出
常見概念 深度學習的定義及爲什麼要用神經網絡? 深度學習是模仿人腦神經元結構的一種多隱層神經網絡，屬於機器學習的重要分支。神經網絡通過組合底層特徵形成更加抽象的高層特徵，相比傳統提取特徵的方法，具有更強的學習能力，所以要採用神經
2020-07-05 10:20:53
1
原创 DeepLearning學習（二）-NumPy科學計算與Matplotlib數據可視化
NumPy科學計算庫 提供了多維數組、矩陣的常用操作和一些高效的科學計算函數。 底層運算通過C語言實現，處理速度快、效率高，適用於大規模多維數組。 可以直接完成數組和矩陣運算，無需循環。 導入NumPy庫 import numpy
2020-07-05 10:20:53
原创 ROS學習（三）-創建客戶端Client
# 如何實現一個客戶端 初始化ROS節點； 創建一個client實例； 發佈服務請求數據； 等待Server處理後的應答結果 在src中創立cpp文件 在CMakeList中添加依賴 add_executable(turtle
2020-07-05 10:20:53
原创 Simulink生成ROS代碼詳細攻略
前期準備 系統：Ubuntu 16.04 LTS 軟件版本：ROS Kinetic、MATLAB 2018a linux版 查看本機IP 首先打開終端輸入 ifconfig 可以查看 MATLAB與ROS建立通訊連接 在HOME
2020-07-05 10:20:53
16
原创 ROS學習資源存放
catkin_make catkin的官方資料 package package的ROS官方資料 強烈建議閱讀《CMake實踐》（見下頁），至少看完前五章，明白CMake基本指令的作用 Metapackage 常用messag
2020-07-05 10:20:53
原创 ROS學習（二）-自定義話題消息
如何自定義話題消息 定義msg文件； 在package.xml中添加功能包依賴； <build_depend>message_generation</build_depend> <exec_depend>message_run
2020-07-05 10:20:53
原创 DeepLearning課堂筆記（一）——引論概述
什麼是深度學習 深度學習（Deep learning ）是一種實現機器學習的技術, 是機器學習重要的分支。其源於人工神經網絡的研究。深度學習的模型結構是一種含多隱層的神經網絡。通過組合低層特徵形成更加抽象的高層特徵。 數據集
2020-07-05 10:20:53
原创 ROS學習（四）-服務器service實現
如何實現一個服務器 初始化ROS節點； 創建Server實例； 循環等待服務請求，進入回調函數； 在回調函數中完成服務功能的處理，並反饋應答數據。 /** * 該例程將執行/turtle_command服務，服務數據類型s
2020-07-05 10:20:53
原创 ROS學習（六）-座標系管理系統
實現海龜跟隨 首先安裝海龜tf功能包 // 我的系統是ubuntu16.04 對應的是ROS-kinetic sudo apt-get install ros-kinetic-turtle-tf 然後運行 $ roslaunch
2020-07-05 10:20:53
原创 無人駕駛ROS自學（一）——MOOC學習筆記——指令彙總
catkin_make //建立工作空間 $ mkdir -p ~/catkin_ws/src $ cd ~/catkin_ws/ $ catkin_make //編譯 $ cd ~/catkin_ws # 回到工作空間 $ ca
2020-07-05 10:20:53
1
原创 深度學習常見問題（二）-特徵工程概述
常見概念 1. 什麼是特徵工程？ 如何理解：“數據和特徵決定了機器學習的上限，而模型和算法只是逼近這個上限而已”？ 數據和特徵是對問題的一種表示，他們從理論上可以反映這個問題，所以是機器學習的上限，是模型和算法是
2020-04-02 13:01:17
原创 Reducing the Dimensionality of Data with Neural Networks翻譯自學
用神經網絡降低數據的維數 G. E. Hinton* and R. R. Salakhutdinov 通過訓練一個具有小中心層的多層神經網絡來重構高維輸入向量，可以將高維數據轉換爲低維碼。梯度下降可以用來微調權值在這樣的“自動編碼
2020-03-31 03:43:40