- 综合排序
- 最热优先
- 最新优先
- 来自专栏AI机器学习与深度学习算法
机器学习入门 4-5 超参数
通过前面的小节，我们知道了kNN算法中k这个参数值，在sklearn中k这个值被封装成了k_neighbors参数。在前面我们随机的指定参数k的值，究竟k的值为多少的时候，模型才是最好的呢？这就涉及到了机器学习领域非常重要的问题~超参数问题。
75930发布于 2019-11-13 - 来自专栏Hank’s Blog
4-5 R语言函数 split
#split根据因子或因子列表将 向量或其他对象分组 #通常与lapply一起使用 #split(参数):split(向量/列表/数据框,因子/因子列表) > x <- c(rnorm(5),runif(5),rnorm(5,1)) > x [1] 0.61008707 0.81746169 -1.09859969 -1.78134612 -1.94262725 0.99760581 [7] 0.37793960 0.05258653 0.38525197 0.46051864 -0.
90640发布于 2020-09-16 - 来自专栏运维之路
【每日一思】2022年第4-5周
一直认为理想情况下的数据运营方法应该基于“贴源层数据-》指标（至少到带有主题的流水）-》洞察-》决策-》执行”的路线，这样才能减少返工的重复性工作量。
27820编辑于 2022-03-07 - 来自专栏大前端_Web
javascript高级程序设计(4-5)章笔记
版权声明：本文为吴孔云博客原创文章，转载请注明出处并带上链接，谢谢。 https://blog.csdn.net/wkyseo/article/details/51234909
71640发布于 2018-09-27 - 来自专栏新智元
无人驾驶 | MIT无人驾驶运动路线控制
对于无人驾驶汽车来说，除了感知周边的环境、定位这两大方面之外，很重要的一点就是运动的控制。 对于无人驾驶汽车循着特定的轨迹稳定的运动并非易事，下面就根据MIT研究的无人驾驶汽车运动控制的视频来看看这方面的技术。 1. 利用PID控制可以实现对无人驾驶汽车按照线路行驶的控制。 声明：我对PID控制基本上是小白了，大学学的都还给老师了，如果有不对的地方请各位看官指正，谢谢！
1.6K50发布于 2018-03-14 - 来自专栏iOS面试
iOS 面试策略之算法基础4-5节
前面介绍了数组、字典、字符串、链表、栈、队列的处理和应用方法。本节将会探讨平常相对很少用到、面试中却是老面孔的数据结构：二叉树。本节主要包括以下内容：
1.1K60发布于 2021-04-20 - 来自专栏NetCore 从壹开始
4-5 安装并迁移数据库：mysql
docker volume create volume_name命令新建一个数据卷
85220编辑于 2023-01-09 - 来自专栏AI SPPECH
IO竞赛2025年题目解析：基础级难度（4-5）
2025年的IO竞赛基础级（难度系数4-5）题目开始涉及更多的数据结构和算法思想，对选手的编程能力和逻辑思维提出了更高的要求。 难度进阶路径: 入门(1-3) → 基础(4-5) → 提高(6-8) → 竞赛(9-10) 难度系数 考察重点 核心知识点 学习目标 4-5 数据结构、算法应用 栈、队列、树、图的基础应用 掌握基础数据结构的使用和简单算法的实现 ） ├── 第四章：基础级题目解题技巧总结 └── 第五章：从基础到提高的学习建议 第一章：2025年IO竞赛基础级题目概述 根据2025年NOI修订版大纲，基础级（CSP-J提高）的知识点难度系数为4-
33210编辑于 2025-11-13 - 来自专栏s09g的技术博客
无人驾驶 03
卡尔曼滤波 Kalman Filter Kalman Filter 经常运用于无人驾驶系统中感知模块，用于目标状态估计。 the Basis of the Kalman Filter Via a Simple and Intuitive Derivation》） 行为克隆 Behavior Cloning 使用神经网络进行无人驾驶的理论基础来源于
31220编辑于 2022-07-06 - 来自专栏杨熹的专栏
无人驾驶车
能成功穿越一片沙漠的无人驾驶汽车 So we decided at Stanford to build a different self-driving car.
77160发布于 2018-04-02 - 来自专栏人工智能头条
无人驾驶的未来
本章，我们先从无人驾驶的商业前景、无人驾驶面临的发展障碍、无人车行业发展、全球化下的无人驾驶四个方面出发，分析未来无人驾驶的发展和即将面临的问题。 最后，将给出无人驾驶发展的时间线，揭示在即将到来的未来二十年内无人驾驶的走势。 无人驾驶的商业前景 无人驾驶带来的商业潜力有多大？ 本书首先宏观地呈现了无人驾驶的整体技术架构，概述了无人驾驶中涉及的各个技术点。 在读者对无人驾驶技术有了宏观认识后，本书深入浅出地讲解了无人驾驶定位导航、感知、决策与控制等算法，深度学习在无人驾驶中的应用，无人驾驶系统软件和硬件平台，无人驾驶安全及无人驾驶云平台等多个主要技术点。 本书从实用的角度出发，以期帮助对无人驾驶技术（特别是人工智能在无人驾驶中的应用）感兴趣的从业者与相关人士实现对无人驾驶行业的快速入门，以及对无人驾驶技术的深度理解与应用实践。
1K20发布于 2018-07-20 - 来自专栏机器视觉工坊
无人驾驶系统-控制
聚焦无人驾驶行业动态，引领智能汽车科技创新 控制层作为无人车系统的最底层，其任务是将我们规划好的动作实现，所以控制模块的评价指标即为控制的精准度。
75530发布于 2020-07-28 - 来自专栏跟着官方文档学小程序开发
第二章 小程序开发指南4-5
小程序经常需要向服务器传递数据或者从服务器拉取数据，这个时候可以使用wx.request这个API，在本章节会重点讨论wx.request的使用和注意事项。
64510编辑于 2025-08-25 - 来自专栏机器视觉工坊
无人驾驶-感知
无人驾驶-感知包括：摄像头、激光雷达、毫米波雷达、超声波雷达。 ? 1）摄像头： 摄像头：可分为数字摄像头和模拟摄像头两大类。
64330发布于 2020-07-28 - 来自专栏前端说吧
flag - 4-5月份预整理总结的文章目录
1.关于echarts各种稀奇古怪让人想骂niang地需求的配置 2.vue中，mode为history时，build打包后页面空白的解决方法 3.vue中使用axios，实现向请求头中传递cookie值 4.js-sdk微信分享时，动态url的设置 5.vuex的使用步骤梳理，轻松掌握。 6.一个基于promise的ajax异步请求函数封装，不用再写那么多遍的if result === 1啦！ 7.使用vue实现自定义多选与单选的答题功能 8.基于ajax渲染模板的二级/多级自定义联动下拉功能封装， 9.
87050发布于 2018-05-17 - 来自专栏前端说吧
flag - 4-5月份预整理总结的文章目录
关于echarts各种稀奇古怪让人想骂niang地需求的配置 js-sdk微信分享时，动态url的设置 基于ajax渲染模板的二级/多级自定义联动下拉功能封装， 一个基于promise的ajax异步请求函数封装，不用再写那么多遍的if result === 1啦！ css-移动端h5在iphonex的适配 vuex的使用步骤梳理，轻松掌握。附源码 使用vue实现自定义多选与单选的答题功能 vue中使用axios，实现向请求头中传递cookie值 vue中，mode为history时，build打包后页面空白
73330发布于 2018-06-25 - 来自专栏全栈程序员必看
无人驾驶汽车毫米波雷达_无人驾驶雷达
在上一次分享中，我介绍了毫米波雷达的原理、数据特性及优缺点。毫米波雷达的低环境敏感和低成本的特性使得其在ADAS和自动驾驶领域得到了广泛的应用。
91940编辑于 2022-10-01 - 来自专栏儿童编程
Scratch案例——无人驾驶汽车
（本文为前一篇文章《理解编程语言只需四个词-编程知识体系介绍（带python及scratch案例）》的说明案例之一） 下面我们用Scratch做一个无人驾驶汽车的小程序来具体说明下编程系统。 ?
3.5K21发布于 2018-12-07 - 来自专栏机器视觉工坊
无人驾驶系统基本框架
聚焦无人驾驶行业动态，引领智能汽车科技创新 无人驾驶系统的核心可以概述为三个部分：感知（Perception），规划（Planning）和控制（Control），这些部分的交互以及其与车辆硬件、其他车辆的交互可以用下图表示 ： 无人驾驶系统核心部分交互图 ? 感知是指无人驾驶系统从环境中收集信息并从中提取相关知识的能力。 规划是无人车为了某一目标而作出一些有目的性的决策的过程，对于无人驾驶车辆而言，这个目标通常是指从出发地到达目的地，同时避免障碍物，并且不断优化驾驶轨迹和行为以保证乘客的安全舒适。
1K20发布于 2020-07-28 - 来自专栏机器视觉工坊
无人驾驶系统-定位
聚焦无人驾驶行业动态，引领智能汽车科技创新 在无人车感知层面，定位的重要性不言而喻，无人车需要知道自己相对于环境的一个确切位置，这里的定位不能存在超过10cm的误差，试想一下，如果我们的无人车定位误差在 30厘米，那么这将是一辆非常危险的无人车（无论是对行人还是乘客而言），因为无人驾驶的规划和执行层并不知道它存在30厘米的误差，它们仍然按照定位精准的前提来做出决策和控制，那么对某些情况作出的决策就是错的 融合GPS/IMU的定位方法在GPS信号缺失，微弱的情况下无法做到高精度定位，如地下停车场，周围均为高楼的市区等，因此只能适用于部分场景的无人驾驶任务。 ? 我们不再在定位的同时制图，而是事先使用传感器如激光雷达对区域构建点云地图，通过程序和人工的处理将一部分“语义”添加到地图中（例如车道线的具体标注，路网，红绿灯的位置，当前路段的交通规则等等），这个包含了语义的地图就是我们无人驾驶车的高精度地图
1.4K20发布于 2020-07-28
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号