- 综合排序
- 最热优先
- 最新优先
- 来自专栏Ywrby
9-Spring集成web环境
通过new ClassPathXmlApplicationContext(“applicationContext.xml”)来获取应用上下文，不过这种方式获取的弊端就是所有web层的服务使用前都需要利用new ClassPathXmlApplicationContext(“applicationContext.xml”);加载配置文件，导致配置文件需要重复被加载多次，应用上下文的对象也需要创建多次
46720编辑于 2022-10-27 - 来自专栏Unity游戏开发
游戏AI-AI角色对环境信息的感知
position; public int radius; //是否需要被移除 public bool toBeRemoved; ///
/// 检查感知器是否在触发器作用范围内 更新触发器内部的状态 /// public virtual void Updateme() { } ////// 判断触发器是否在感知器范围内 ，在感知器范围返回true，不在返回false /// /// <param name="sensor"></param> /// <returns></returns TriggerSystemManager>(); } protected void Start() { toBeRemoved = false; } } 所有感知器的基类 ——BaseSensor 包括对感知器类型的枚举定义和变量，保存了事件管理器 public class BaseSensor : MonoBehaviour { protected TriggerSystemManager57720发布于 2019-06-13 - 来自专栏智能大数据分析
【深度学习基础】多层感知机 | 环境和分布偏移
总而言之，机器学习的许多应用中都存在类似的问题：通过将基于模型的决策引入环境，我们可能会破坏模型。 aligned} \tag{8} 这里，重要性权重将对应于标签似然比率 \beta_i \stackrel{\mathrm{def}}{=} \frac{p(y_i)}{q(y_i)} \tag{9} 许多这样的算法形成了一个环境模型，在这个模型中，他们的行为使得他们的决策看起来不那么随机。 （六）考虑到环境 上述不同情况之间的一个关键区别是：在静止环境中可能一直有效的相同策略，在环境能够改变的情况下可能不会始终有效。例如，一个交易者发现的套利机会很可能在他开始利用它时就消失了。 在某些情况下，环境可能会记住自动操作并以令人惊讶的方式做出响应。在构建模型时，我们必须考虑到这种可能性，并继续监控实时系统，并对我们的模型和环境以意想不到的方式纠缠在一起的可能性持开放态度。
35310编辑于 2025-01-27 - 来自专栏C++/Linux
【Linux修炼】9.环境变量
环境变量 本节目标 1. 环境变量 1.1 环境变量的概念 1.2 环境变量PATH 1.3 其他常见环境变量 2. 总结环境变量 本节目标 掌握环境变量的相关知识。 1. 环境变量 1.1 环境变量的概念 1. 什么是环境变量？ 环境变量(environment variables)一般是指在操作系统中用来指定操作系统运行环境的一些参数。 2. 为什么会有环境变量？ 和环境变量相关的命令 1.echo: 显示某个环境变量值 2.export: 设置一个新的环境变量 3.env: 显示所有环境变量 4.unset: 清除环境变量 5.set: 显示本地定义的 总结环境变量 通过上面的描述，我们知道，环境变量就是操作系统启动之后将内部内容加载到内存中的变量，也就是全局变量。通过环境变量，我们可以对一些所需要的环境进行配置。
2K01编辑于 2023-03-28 - 来自专栏CreateAMind
自动驾驶核心技术之三：环境感知
转自： 佐思汽车研究 自动驾驶四大核心技术，分别是环境感知、精确定位、路径规划、线控执行。环境感知是其中被研究最多的部分，不过基于视觉的环境感知是无法满足无人驾驶要求的。 环境感知主要包括三个方面，路面、静态物体和动态物体。对于动态物体，不仅要检测还要对其轨迹进行追踪，并根据追踪结果，预测该物体下一步的轨迹（位置）。 图：无人车环境感知框架 ? 这是基于激光雷达的环境感知模型，搞视觉环境感知模型研究的人远多于激光雷达。不过很遗憾地讲，在无人车这件事上，视觉不够靠谱。 感知、决策（路径规划）、定位都是基于传感器或软件系统的，这也是科技类厂家的强项，不过线控执行系统则是传统汽车产业（不一定是整车厂）的绝对强项，这也是科技类厂家注定无法独立造车的主要原因，无论是谷歌还是百度
5.1K20发布于 2018-07-24 - 来自专栏Unity游戏开发
游戏AI-AI角色对环境信息的感知
轮询方式 如果想知道周围世界发生了什么,最简单的方法是查询,AI对感兴趣的事件进行查询,基于轮询的感知系统更容易维护的方式是建立一个轮询中心,进行所有的查询. 游戏中的触发器和感知器 游戏中有多个触发器以及感知器，可以通过一个管理中心——事件管理器，统一对他们进行管理。 所有触发器的基类——Trigger类：这个类包含了所有触发器共有的相关信息和方法。 所有感知器的基类——Sensor类，Sensor类包含了感知器的类型定义和变量，还保存了事件管理器 事件管理器 这个类负责管理触发器的集合。 事件管理器还维护了一个感知器列表，每个感知器创建时，向管理器注册，加入到感知列表中。 视觉感知 视觉感知可以使用不同的圆锥进行模拟不同类型的视觉，一个近距离大锥角的圆锥进行模拟视觉中的余光，远距离的视觉通过更长更窄的圆锥进行表示。
77820发布于 2019-06-13 - 来自专栏Zephery
Tomcat9源码——编译环境搭建
Readme Tomcat 9 源码要求： 1.jdk1.8+ 步骤 1.直接下载源码
2.解压后打开文件夹，新建pom.xml，输入下面的东西 <modelVersion>4.0.0</modelVersion> <groupId>org.apache.tomcat</groupId> <artifactId>tomcat9< /artifactId> <name>tomcat9</name> <version>9.0</version> <build> <finalName>tomcat92.3K110发布于 2018-03-12 - 来自专栏3D视觉从入门到精通
地面无人驾驶系统环境感知技术的发展
随着信息技术的迅猛发展和军事革命的展开，地面无人系统的环境感知部分的作用和能力更加突出，精确实时的环境感知系统以及成为取得战略高地的关键。 地面无人系统的环境感知是通过安装在无人系统外部或底部的环境感知传感器实现的，环境感知传感器模块全天时的自动收集来自车外环境的信息，识别周围环境中静止和运动的物体，对识别的物体进行检测和跟踪，并在系统内构建实时的场景地图 ，实现对周围环境的感知。 “乌兰”-6无人驾驶多功能扫雷车的主要任务是搜索地雷和未引爆弹药，其最大遥控距离可达到1500m；“乌兰”-9武装无人战斗车可为陆军步兵分队、空降兵部队、特种部队、海军陆战队等多兵种提供远程侦察和火力支援 2、环境感知技术 地面无人系统的环境感知技术日益受到国内外研究机构的关注，对环境的感知和判断是智能地面无人系统工作的前提和基础，是实现环境建模、平台定位、路径规划等平台自主导航和执行任务的前提，感知系统获取周围环境信息时的实时性和稳定性
1.3K20发布于 2020-12-11 - 来自专栏用户8653471的专栏
服务机器人核心技术之环境感知技术
环境感知是机器人技术体系实现的基础和前提条件，传感器是机器人感知环境及自身状态的窗口 ◆ 环境感知技术作为机器人系统不可或缺的一部分，与智能机器人的地图构建、运动控制等功能息息相关。 借助传感器，机器人能够及时感知自身和外部环境的参数变化，为控制和决策系统做出适当响应提供数据参考。 具体来看，机器人的环境感知一般需要应用各类传感器来代替人类感觉，如视觉、听觉、触觉等，强抗干扰能力、高精度以及高可靠性是机器人对传感器的最基本要求。 image.png 2. 多传感器融合是机器人整合多渠道数据信息并处理复杂情况的重要应用 ◆ 传感器技术是影响机器人环境感知技术模块发展进程的核心因素。 目前机器人对环境的感知大多通过激光雷达、摄像头、毫米波雷达、超声波传感器、GPS这五类传感器及其之间的组合来实现自主移动功能。 image.png 3.
1.7K10发布于 2021-08-11 - 来自专栏智慧气象
北斗水文环境监测站：智能化水文环境感知与决策支持
北斗水文环境监测站：智能化水文环境感知与决策支持【TH-SW4】北斗水文环境监测站作为融合北斗卫星导航系统与多传感器技术的智能化监测平台，专为水域动态管理与灾害预警设计，通过构建"空-地-水"一体化的监测体系 ，突破传统水文监测在时空精度与极端环境适应性上的瓶颈，为水利工程安全、水资源调度及防灾减灾提供全要素、实时化的决策支持。 一、核心技术突破：毫米级定位与全要素感知1.高精度定位技术系统采用北斗双频载波相位差分技术，静态定位精度达±3mm，动态采样频率10Hz，可实时捕捉水位、流速、流量等参数的毫米级变化。 2.多传感器融合感知集成雷达水位计、多普勒流速仪、翻斗式雨量计等设备，通过Modbus-RTU协议实现多参数同步采集。 三、典型应用场景：从极端环境到城市治理1.极端环境监测在新疆大江大河水文监测项目中，系统通过北斗短报文实现全国范围内无信号地区的数据传输，为偏远地区水利工程安全监测提供可靠保障。
40810编辑于 2025-08-12 - 来自专栏AI掘金志
触景无限肖洪波：9年创业，从算法到芯片，只为前端感知
“转行”不久，触景无限就徒手打造了融合算法和硬件的“前端感知”。 2016年，触景无限提供了实际的前端感知产品。 相对后端有比较成熟的GPU服务器，有很完善的处理环境，前端往往要采用一些不是很成熟的思路。如，现在前端还没有很成熟的芯片，也没有特别丰富的供应链，所以开发难度非常大。” 室外复杂环境下的问题，也给前端带来了更多的挑战。 “芯片电路功能，在野外的环境下能否使用十年，就是一个挑战。 因而，前端智能的问题，不单是一个将智能从后端大型服务器或云端转移到算力有限前端的问题，还是一个将数据处理，从室内转移到室外的问题，需要面对外部环境中电子器件工作条件（温度、湿度等）、寿命、供电等工程问题 触景无限则胜在从感知领域切入，并且入局较早，已经有了一定技术和场景积累，这些都形成了行业的门槛。 不过，立足于感知，触景无限的野心，起于安防，不止于安防。
67030发布于 2019-08-29 - 来自专栏机器视觉工坊
感知
环境感知了确保无人车对环境的理解和把握，无人驾驶系统的环境感知部分通常需要获取周围环境的大量信息，具体来说包括：障碍物的位置，速度以及可能的行为，可行驶的区域，交通规则等等。 无人车通常是通过融合激光雷达（Lidar），相机（Camera），毫米波雷达（Millimeter Wave Radar）等多种传感器的数据来获取这些信息，本节我们简要地了解一下激光雷达和相机在无人车感知中的应用 激光雷达是一类使用激光进行探测和测距的设备，它能够每秒钟向环境发送数百万光脉冲，它的内部是一种旋转的结构，这使得激光雷达能够实时的建立起周围环境的3维地图。 ? 通常来说，激光雷达以10Hz左右的速度对周围环境进行旋转扫描，其扫描一次的结果为密集的点构成的3维图，每个点具备（x,y,z）信息，这个图被称为点云图（Point Cloud Graph），如下图所示， 对于反射点稀疏的目标（比如说行人），基于点云的分类并不可靠，所以在实践中，我们往往融合激光雷达和相机传感器，利用相机的高分辨率来对目标进行分类，利用Lidar的可靠性对障碍物检测和测距，融合两者的优点完成环境感知
64520发布于 2020-07-28 - 来自专栏Debian中国
Debian 环境下简单配置 Bind9 服务
安装 Bind 比较简单，使用如下命令即可， apt-get install bind9 apt-get install bind9-host dnsutils apt-get install bind9 重启BIND服务 使用命令 sudo systemctl restart bind9 或者 sudo rndc reload 4. 至此，配置结束，更信息的说明请仔细阅读Debian官网的Bind9页面。
3.4K40发布于 2018-12-20 - 来自专栏人工智能独角兽
i-VISTA挑战赛中纵目泊车环境感知系统解析
下面就由纵目科技的技术专家来详细的介绍，基于超声波和环视深度融合的纵目泊车环境感知系统。 而纵目在这次iVista测试中第一次推出了量产化的APA系统，深度结合了超声和视觉感知。 在APA场景中，首要考虑的是对环境的感知，也就是障碍物的位置和车位的位置，以下是纵目在APA开发中对iVista场景之一的检测结果。 在APA系统中，车辆的定位，环境感知和规划控制始终是保证系统性能的三大基石。 iVista-2021的比赛结果是对纵目当前一代APA系统最直接的评价，而在开发中的下一代APA系统中的环境感知，利用视觉提供新的检测信息结合超声波检测有针对性地提高对障碍物的轮廓和类型的感知能力，例如锥桶
56151发布于 2021-08-27 - 来自专栏人工智能独角兽
i-VISTA挑战赛中纵目泊车环境感知系统解析
下面就由纵目科技的技术专家来详细的介绍，基于超声波和环视深度融合的纵目泊车环境感知系统。 而纵目在这次iVista测试中第一次推出了量产化的APA系统，深度结合了超声和视觉感知。 在APA场景中，首要考虑的是对环境的感知，也就是障碍物的位置和车位的位置，以下是纵目在APA开发中对iVista场景之一的检测结果。 在APA系统中，车辆的定位，环境感知和规划控制始终是保证系统性能的三大基石。 iVista-2021的比赛结果是对纵目当前一代APA系统最直接的评价，而在开发中的下一代APA系统中的环境感知，利用视觉提供新的检测信息结合超声波检测有针对性地提高对障碍物的轮廓和类型的感知能力，例如锥桶
72030发布于 2021-08-27 - 来自专栏VoiceVista语音智能
帮助听力障碍人士感知环境声的设备 - 来自Furenexo的SoundSense
对于听力障碍人士来说，如果不能识别到一些紧急情况可能会带来危险，比如火警，或枪声等。
47220发布于 2020-07-02 - 来自专栏《C++与 AI：个人经验分享合集》
《解锁AI密码，机器人精准感知环境不再是梦！》
多传感器融合：感知基石的稳固搭建 机器人要精准感知环境，首先离不开各类传感器。 以卡尔曼滤波算法为代表，它能根据不同传感器的特性和误差模型，将来自视觉、激光雷达等传感器的数据有机结合，动态地预测和更新机器人对环境的感知，让机器人获得更全面、准确的环境信息，在复杂多变的环境中也能稳定运行 语义理解与知识图谱：赋予感知深度内涵 人工智能帮助机器人从单纯的环境信息感知迈向语义理解。通过自然语言处理技术，机器人能理解人类语言指令，将其转化为实际行动。 同时，机器人还会根据环境反馈不断调整自身感知和行动策略。在清洁机器人工作时，如果检测到地面污渍较多，会自动加大清洁力度和时间，保证清洁效果。 人工智能正全方位助力机器人实现更精准的环境感知。 随着技术的不断突破与创新，未来机器人将具备更强大的环境感知能力，在工业、医疗、服务、探索等各个领域大显身手，为人类创造更加智能、便捷的生活与工作环境 。
26910编辑于 2025-02-24 - 来自专栏hotarugaliの技术分享
感知机
感知机学习由训练数据集求得模型参数 和 ；感知机预测则根据学 习到的模型对新的输入实例给出其对应的输出类别。 3. 策略 给出了感知机模型的定义后，下一步便是探究这个模型是否能够有效地实现分类目标。为此，我们先给出一个条件假设：数据集的线性可分性，然后基于此此假设验证感知机的有效性。 3.2 感知机的学习策略 假设训练数据集是线性可分的，感知机学习的目标是求得一个能够将训练数据集正实例点和负实例点完全正确分开的分离超平面 ，即确定感知机模型参数 和 。 算法 上述学习策略验证了感知机在线性可分数据集上的有效性，下面就是要给出如何在训练数据集上具体实现感知机学习过程。感知机学习问题有两种形式，一种是最直观的原始形式，一种是原始形式的对偶形式。 算法：感知机学习算法的对偶形式 输入：训练数据集 ，其中 ， ；学 习率 ； 输出： ；感知机模型 。
95920编辑于 2022-04-25 - 来自专栏hotarugaliの技术分享
感知机
image.png
73320编辑于 2022-05-11 - 来自专栏百味科研芝士
肿瘤微环境分层模型如何再创9分+SCI
landscape reveals microenvironment subtypes and therapeutic potentials for nonsquamous NSCLC 通过分析NSCLC的肿瘤微环境细胞浸润情况揭示微环境亚型和治疗潜力 摘要 最近的研究表明肿瘤微环境的临床病理在描述分子属性和治疗潜力方面十分重要。 然而，NSCLC中肿瘤微环境的细胞浸润情况还没有进行全面描述。
67810编辑于 2022-12-12
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