因为学习的原因，最近要研究一下百度apollo自动驾驶平台的红绿灯识别模块，写下点东西作为学习的记录目录apollo感知模块红绿灯感知流程apollo感知模块apollo感知模块的总体架构如图所示，我们看到在红绿灯模块中用到了6mm和12mm的前置摄像头，这个6mm指的是焦距为6毫米，6mm是广角镜头，拍摄范围比较大，而12mm是长焦距摄像头，拍摄的距离比较远，在后面我们可以知道，同一个时间点只以

“Adversarial examples are inputs to machine learning models that an attacker has intentionally designed to cause the model to make a mistake”(Goodfellow et al 2017)这里放点神经网络对抗性样本的案例神经网络的鲁棒性Robustness:

目录需求初始模型第一次精化这一次的建模与前面的实例有相当的不同之处，这里建模的是一个协议，并且我们在此次建模使用的精化属于一种时间方面的精化。需求首先来看看这个任务的需求文件传输协议是用一个代理方向另一个代理方传送一个顺序文件。接收到的文件应该和源文件相同顺序文件由一个数据项的序列文件需要以一个个片段的方式在站点之间传输整个协议相当于一个分布式程序初始模型第一次精化...

目录Rodin基本操作Event-B表示法最近在做一些Event-B建模的事情，而Rodin平台使用的方法的中文说明实在太少，在各个模型建模时候，更想写一些建模的思路与需求文档分析方法，这里就总结一下Rodin平台的使用方法以及Event-B的语法结构Rodin基本操作Rodin基于Eclipse开发，所以基本操作和Eclipse差不多新建工程填写项目名称新建Event-B组件组件类型有Conte

什么是形式化验证？In the context of hardware and software systems, formal verification is the act of proving or disproving the correctness of intended algorithms underlying a system with respect to a certain f

“Adversarial examples are inputs to machine learning models that an attacker has intentionally designed to cause the model to make a mistake”(Goodfellow et al 2017)这里放点神经网络对抗性样本的案例神经网络的鲁棒性Robustness:

线性时序逻辑提供了一种非常直观但是在数学上又很精确的表示方法来描述LT性质，70年代后期，Pnueli提出将线性时序逻辑应用于验证复杂计算机系统。

Büchi自动机正则表达式描述的是有限字的语言，它的语义表示为：E↦L(E)⊆Σ∗E \mapsto L(E)\subseteqΣ^*E↦L(E)⊆Σ∗↦\mapsto↦这个符号的意思是maps to我们有如下规则L(∅)=∅  L(ε)={ε}  L(A)={A}L(\varnothing)=\varnothing\; L(ε)=\{ε\}\; L(A)=\{A\}L(∅)=∅L(ε)={ε}L

“Adversarial examples are inputs to machine learning models that an attacker has intentionally designed to cause the model to make a mistake”(Goodfellow et al 2017)这里放点神经网络对抗性样本的案例神经网络的鲁棒性Robustness:

目录Rodin基本操作Event-B表示法最近在做一些Event-B建模的事情，而Rodin平台使用的方法的中文说明实在太少，在各个模型建模时候，更想写一些建模的思路与需求文档分析方法，这里就总结一下Rodin平台的使用方法以及Event-B的语法结构Rodin基本操作Rodin基于Eclipse开发，所以基本操作和Eclipse差不多新建工程填写项目名称新建Event-B组件组件类型有Conte