相机内参数优化中构建的模型需要使用到 distort 过程，是将相机归一化平面直角坐标系上的点（即相机坐标系 Z = 1 上的坐标）进行畸变的过程。之后使用相机内参矩阵变换为 uv 坐标。 undistort 过程一般应用中难以用到，所以一直没有注意。distort 过程的逆映射就是 undisto ...
分类：
其他好文 时间：
2020-05-30 17:12:19
阅读次数：
78
讨论产品经理的能力，要从其工作性质和内容说起。产品经理顾名思义就是负责产品管理的岗位，是一个产品从诞生到维护的牵头人，全权负责产品的最终完成。从大体上看，产品经理的主要工作内容有五大板块：产品的前期规划、产品设计、产品的实现以及后续迭代优化、管理工具的配合。一、产品的前期规划主要是指产品的战略布局和产品规划。根据市场调研，包括行业趋势调研、竞品分析等，建立商业需求文档；对用户需求调研，包括目标群体
分类：
其他好文 时间：
2020-05-14 02:01:55
阅读次数：
90
一、神经网络的实现过程 1、准备数据集，提取特征，作为输入喂给神经网络 2、搭建神经网络结构，从输入到输出 3、大量特征数据喂给 NN，迭代优化 NN 参数 4、使用训练好的模型预测和分类 二、前向传播 前向传播就是搭建模型的计算过程，可以针对一组输入给出相应的输出。 举例：假如生产一批零件， 体积 ...
分类：
其他好文 时间：
2020-03-20 22:18:30
阅读次数：
75
导读：伴随着AI的兴起，越来越多的智能产品诞生，算法链路也会变得越来越复杂，在工程实践中面临着大量算法模型的从0到1快速构建和不断迭代优化的问题，本文将介绍如何打通数据分析 样本标注 模型训练 监控回流的闭环，为复杂算法系统提供强有力的支持。 新技术/实用技术点： 1. 实时、离线场景下数据加工的方 ...
分类：
编程语言 时间：
2020-02-24 18:17:50
阅读次数：
100
前面介绍了三种采样求均值的算法 ——MC ——TD ——TD(lamda) 下面我们基于这几种方法来 迭代优化agent 传统的强化学习算法 || ν ν 已经知道完整MDP——使用价值函数V（s） 没有给出完整MDP——使用价值函数Q（s，a） 可见我们的目标就是确定下来最优策略和最优价值函数 | ...
分类：
其他好文 时间：
2020-02-14 20:25:06
阅读次数：
71
梯度下降的各种优化算法下面参考文献表述都很全面了，不在赘述，主要谈谈个人理解 其实对SGD的优化，跟自动控制中的PID思路其实是一样的 P（Propotion）比例项即当前偏差 I（Intergration）积分项即偏差的累积 D（differentiation）微分项即偏差的变化 SGD加入微分项 ...
分类：
其他好文 时间：
2020-01-27 19:11:38
阅读次数：
91
原文地址：https://www.cnblogs.com/Johnny-z6951/p/11201081.html 梯度下降是一个在机器学习中用于寻找较佳结果（曲线的最小值）的迭代优化算法。梯度的含义是斜率或者斜坡的倾斜度。下降的含义是代价函数的下降。算法是迭代的，意思是需要多次使用算法获取结果，以 ...
分类：
其他好文 时间：
2019-10-26 21:22:47
阅读次数：
80
作为聚类的代表算法，k-means本属于NP难问题，通过迭代优化的方式，可以求解出近似解。 伪代码如下： 1，算法部分 距离采用欧氏距离。参数默认值随意选的。 2，验证 我随机出了一些平面上的点，然后对其分类。 首先看看未分类之前的，当然也是跟分类后的分布是一样的。 然后看看分类后的结果： 可以看出 ...
分类：
编程语言 时间：
2019-10-11 23:19:06
阅读次数：
189
动态规划（DP：Dynamic Programming） 动态规划是求解包含重复子问题的最优化方法，把原问题分解为相对简单的子问题。动态规划只能应用于有最优子结构的问题（即局部最优解能决定全局最优解，或问题能分解成子问题来求解）。 基本思想 将原问题分解为相似的子问题，再合并子问题的解以得出原问题的 ...
分类：
编程语言 时间：
2019-06-16 21:59:31
阅读次数：
141
1. xgboost在目标函数中加入了正则化项，当正则化项为0时与传统的GDBT的目标函数相同2. xgboost在迭代优化的时候使用了目标函数的泰勒展开的二阶近似，paper中说能加快优化的过程！！xgboost可自定义目标函数，但是目标函数必须二阶可导也是因为这个。GDBT中只用了一阶导数。3. ...
分类：
其他好文 时间：
2018-08-24 20:43:35
阅读次数：
254
