文章目录前言一、传统路径规划算法1.Dijkstra算法2.A*算法3.D*算法4.人工势场法二、基于采样路径规划算法1.PRM算法2.RRT算法三、智能仿生算法1.神经网络算法2.蚁群算法3.遗传算法前言随着机器人技术、智能控制技术、硬件传感器的发展，机器人在工业生产、军事国防以及日常生活等领域得到了广泛的应用。而作为机器人行业的重要研究领域之一，移动机器人行业近年来也到了迅速的发展。移动机器人

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录前言1随机梯度下降法2Momentum3AdaGrad4RMSProp5Adam前言优化器是引导神经网络更新参数的工具，深度学习在计算出损失函数之后，需要利用优化器来进行反向传播，完成网络参数的更新。在这个过程中，便会使用到优化器，优化器可以利用计算机数值计算的方法来获取损失函数最小的网络参数。在深度学习中，不同的优化器只是定

文章目录前言一、为什么要用BN？二、BN的本质及基本思想三、BN的具体流程四、BN的优点前言机器学习领域有个很重要的假设：IID独立同分布假设，就是假设训练数据和测试数据是满足相同分布的，这是通过训练数据获得的模型能够在测试集获得好的效果的一个基本保障。BN层的主要作用就是在深度神经网络训练过程中使得每一层神经网络的输入保持相同分布，加速网络的收敛速度。一、为什么要用BN？神经网络学习过程的本质是

文章目录前言一、最大池化二、平均池化池化的作用前言池化层是卷积神经网络中常用的一个组件，池化层经常用在卷积层后边，通过池化来降低卷积层输出的特征向量，避免出现过拟合的情况。池化的基本思想就是对不同位置的特征进行聚合统计。池化层主要是模仿人的视觉系统对数据进行降维，用更高层次的特征表示图像。池化层一般没有参数，所以反向传播的时候，只需对输入参数求导，不需要进行权值更新。比较常用的池化层主要有最大池化

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录前言1随机梯度下降法2Momentum3AdaGrad4RMSProp5Adam前言优化器是引导神经网络更新参数的工具，深度学习在计算出损失函数之后，需要利用优化器来进行反向传播，完成网络参数的更新。在这个过程中，便会使用到优化器，优化器可以利用计算机数值计算的方法来获取损失函数最小的网络参数。在深度学习中，不同的优化器只是定

文章目录前言一、最大池化二、平均池化池化的作用前言池化层是卷积神经网络中常用的一个组件，池化层经常用在卷积层后边，通过池化来降低卷积层输出的特征向量，避免出现过拟合的情况。池化的基本思想就是对不同位置的特征进行聚合统计。池化层主要是模仿人的视觉系统对数据进行降维，用更高层次的特征表示图像。池化层一般没有参数，所以反向传播的时候，只需对输入参数求导，不需要进行权值更新。比较常用的池化层主要有最大池化

文章目录前言一、为什么要用激活函数？二、激活函数的种类1.Relu函数2.Leaky_Relu函数3.sigmoid函数4.tanh函数前言深度学习模型中网络层中经常会用的激活函数，是神经网络不可或缺的一部分。激活函数会影响输入节点的输出，激活函数的选择是非常重要的，极大的影响模型训练的好坏。一、为什么要用激活函数？神经网络的激活函数的主要作用就是将线性函数转换成非线性函数。神经网络都是由一系列的

YOLO算法详解前言YOLOv1YOLOv2YOLOv3前言YOLO官网：https://github.com/pjreddie/darknetYOLO及You Only Look Once，是一种目标检测算法，目标检测任务的目标是找到图像中的所有感兴趣区域，并确定这些区域的位置和类别概率。目标检测领域的深度学习方法主要分为两大类（如图1）：两阶段式（Two-stage）目标检测算法和单阶段式（O

文章目录前言一、传统路径规划算法二、图形学方法三、智能仿生算法四、其他算法总结前言移动机器人的自动探索需要对机器人进行路径规划，移动机器人的路径规划问题始于20世纪60年代。路径规划作为机器人导航最基本的环节之一，是目前很多技术领域研究的热点，具有广阔的应用前景和科研价值，而路径规划算法的研究是其中的核心内容。路径规划的主要任务是从一个初始点出发，然后按照特定的问题需求，寻找到一系列的动作在保证无

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录前言1随机梯度下降法2Momentum3AdaGrad4RMSProp5Adam前言优化器是引导神经网络更新参数的工具，深度学习在计算出损失函数之后，需要利用优化器来进行反向传播，完成网络参数的更新。在这个过程中，便会使用到优化器，优化器可以利用计算机数值计算的方法来获取损失函数最小的网络参数。在深度学习中，不同的优化器只是定