Pytorch神经网络入门，使用MNIST数据集的手写数字识别，小白入门，尽量把每一步搞明白，记录遇到的问题。实现了一个卷积神经网络和前馈神经网络，

一、不确定推理预备知识1.不确定性推理的含义2.不确定推理基本问题二、证据理论1.可信度方法2.证据理论预备知识3.D-S理论4.一种特殊的概率分配函数模型5.简单例子三、概率论预备知识1.概率统计2.贝叶斯公式四、贝叶斯网络概率推理1.贝叶斯网络概述2.预测和诊断推理...

最近在进行固定翼的仿真和控制学习，从动力学建模到路径跟随，基于Pixhawk飞控的半实物仿真整个过程。之前也学习过多旋翼无人机的整个开发过程，现在总结一下。在整个无人机的开发过程中，主要使用了Pixhawk和Rflysim平台，Rflysim平台是一个用于无人系统开发的仿真平台。当然，个人对该领域理解深度也有限，部分说法也引用自Mathworks的大牛工程师，如有问题欢迎讨论指出。目录一、什么是基

1.A*启发式搜索A*算法介绍：启发式搜索算法，除了wiki之外比较全的一个参考资料：A*启发式搜索算法详解 人工智能。这里是用Python写了一个简单的路径规划例子供参考。2.Matplotlib库Python中的绘图神器，官网参考资料：Matplotlib官网，关于三维绘图资料要自己摸索一下，关于动态绘图：matplotlib动态图和视频保存。3.全局规划效果在一个10X10X10的三维空间，

一、问题描述方法：问题归约1.问题归约描述问题归约法与之前提到的状态空间法都是对进行问题描述，转换为符合或者图，但是思路不同。有许多问题可以通过一系列变换而最终变为一个子问题集合；这些子问题的解可以直接得到，通过解决这些子问题，从而就解决了初始问题。这样一种解决问题的思路就称为是问题归约法。例如之前的汉诺塔问题，在状态空间描述中，表示的是ABC三个金片的状态 S=(i,j,k)（即位于什么位置），

什么是问题求解？问题求解可以理解为利用知识，尽可能有效的找到问题的解，或者最优解的过程，主要包括：1）问题描述方法：状态空间法，与或树表示法；2）搜索方法（搜索策略）：盲目搜索，启发式搜索。一、状态空间问题描述1.问题表示1）初始状态集合：当前所处的环境的集合。2）操作符集合：把一个问题从一个状态变换为另一个状态的动作集合。3）目标测试函数：确定一个状态是否是目标。4）路径费用函数：从一个状态到另

什么是问题求解？问题求解可以理解为利用知识，尽可能有效的找到问题的解，或者最优解的过程，主要包括：1）问题描述方法：状态空间法，与或树表示法；2）搜索方法（搜索策略）：盲目搜索，启发式搜索。一、状态空间问题描述1.问题表示1）初始状态集合：当前所处的环境的集合。2）操作符集合：把一个问题从一个状态变换为另一个状态的动作集合。3）目标测试函数：确定一个状态是否是目标。4）路径费用函数：从一个状态到另

什么是问题求解？问题求解可以理解为利用知识，尽可能有效的找到问题的解，或者最优解的过程，主要包括：1）问题描述方法：状态空间法，与或树表示法；2）搜索方法（搜索策略）：盲目搜索，启发式搜索。一、状态空间问题描述1.问题表示1）初始状态集合：当前所处的环境的集合。2）操作符集合：把一个问题从一个状态变换为另一个状态的动作集合。3）目标测试函数：确定一个状态是否是目标。4）路径费用函数：从一个状态到另