本文将重点关注卷积神经网络，也被称为CNNs或Convnets。CNNs是一种特殊类型的神经网络，特别适合于图像数据。

公司的基本面因素一直具备滞后性，令基本面的量化出现巨大困难。而从上市公司的基本面因素来看，一般只有每个季度的公布期才会有财务指标的更新，而这种财务指标的滞后性对股票表现是否有影响呢？如何去规避基本面滞后产生的风险呢？下面我们将重点介绍量化交易在公司基本面分析上的应用，即平时常说的。

在平台上可以快速开发股票传统策略和股票AI策略，今天拿市值因子来练手，看看两个策略在2015-01-01到2016-12-31这两年时间各自的收益风险情形。市值因子是国内股票市场能够带来超额收益的alpha因子，已经被验证为长期有效的因子，也是广大私募基金常用的因子之一，传统的选股策略的股票组合大多在市值因子上有很大的风险暴露。。。AI市值策略是通过策略生成器构建策略，采用StockRanker排

本文基于点云的物体检测的最相关类别有一个总览；它们在各自的数据表示、特征提取和检测网络的体系结构方面有所不同。了解一种可用的探测器是如何工作的，通过将激光雷达点云转换为鸟瞰视角，然后将强度、高度和点密度输入卷积神经网络来寻找车辆。最后，是如何使用召回率和精度来评估目标检测器的性能。

通过本文内容，熟悉激光雷达传感器技术，理解飞行时间（time-of-flight ）原理，并了解其他技术，如FMCW或OPA系统。此外，了解了如何从Waymo帧中提取范围图像，如何将范围和强度数据可视化，并将其转换为3d点云。

欢迎来到“Where Am I(我在哪里)?”定位项目!在这个项目中，将学习如何利用ROS AMCL包在Gazebo模拟环境的地图中准确地定位移动机器人。在完成本项目的过程中，涉及机器人软件工程的几个方面，重点是ROS：创建ROS包，在自定义Gazebo世界中，启动自定义机器人模型使用ROS AMCL包，远程操作或导航来定位机器人探索、添加和调优对应于每个包的特定参数，以实现最佳的定位结果

这个项目的下一个任务是选择两个不同的目标，根据目标确定方向，以测试机器人达到的能力。我们将这些目标称为取货区和卸货区区域。该部分仅用于测试目的，以确保机器人能够在自主命令它向这些位置移动之前，可到达这些位置。我们将使用ROS导航堆栈，它基于Dijkstra's-统一代价搜索算法（Uniform Cost Search algorithm）的一种变体，来规划机器人从起点到目标位置的轨迹。ROS导航堆