关于冒泡、插入、选择、快速排序的python代码实现
EM算法是期望最大化 (Expectation Maximization) 算法的简称，用于含有隐变量的情况下，概率模型参数的极大似然估计或极大后验估计。EM算法是一种迭代算法，每次迭代由两步组成：E步，求期望 (expectation)，即利用当前估计的参数值来计算对数似然函数的期望值；M步，求极大 (maximization)，即求参数\(\theta\) 来极大化E步中的期望值，而求出的参数
转载
2024-05-20 16:34:18
106阅读
## MPC算法及其Python实现
模型预测控制（Model Predictive Control，MPC）是一种基于优化的控制策略，广泛应用于工业控制、机器人控制等领域。MPC的基本思想是使用一个动态系统模型来预测系统的未来行为，并通过解决一个优化问题来确定最佳控制动作。本文将简单介绍MPC算法的原理，并给出一个基本的Python代码示例。
### MPC算法原理
MPC的核心是优化控制
lambda是Python编程语言中使用频率较高的一个关键字。那么，什么是lambda？它有哪些用法？网上的文章汗牛充栋，可是把这个讲透的文章却不多。这里，我们通过阅读各方资料，总结了关于Python中的lambda的“一个语法，三个特性，四个用法，一个争论”。一个语法在Python中，lambda的语法是唯一的。其形式如下： lambda argument_list: exp
转载
2024-08-27 16:42:05
28阅读
首先，下载相关的权重文件、配置文件和待检测图像。 链接：https://pan.baidu.com/s/1iX_g4PoeKNP9mNmITniCJg 提取码：0djr1.关于YOLOYOLO是一个深度学习算法，因此它本身不需要任何安装，而需要的是在其中运行算法的深度学习框架。 介绍下与YOLO兼容的3种最常用和已知的框架： *Darknet：这是由YOLO开发人员构建的框架，专门为yolo制作。
转载
2023-12-06 23:34:54
104阅读
机器学习之PCA首先分为四个部分来陈述：产生应用背景设计思路案例实践总结附录一.产生应用背景主成分分析（Principal Components Analysis），简称PCA，是一种数据降维技术，用于数据预处理。一般我们获取的原始数据维度都很高，比如1000个特征，在这1000个特征中可能包含了很多无用的信息或者噪声，真正有用的特征才100个，那么我们可以运用PCA算法将1000个特征降到100
转载
2024-02-02 11:35:21
48阅读
1．EM算法是含有隐变量的概率模型极大似然估计或极大后验概率估计的迭代算法。含有隐变量的概率模型的数据表示为 。这里，是观测变量的数据，是隐变量的数据， 是模型参数。EM算法通过迭代求解观测数据的对数似然函数的极大化，实现极大似然估计。每次迭代包括两步：步，求期望，即求 )关于)的期望： 称为函数，这里是参数的现估计值；步，求极大，即极大化函数得到参数的新估计值： 在构建具体的EM算法时，重要的是
转载
2023-11-26 18:11:55
229阅读
目标2022/4/17-2022/5/10实现自适应的MCMC方法（Adaptive Metropolis Algorithm）本地目录：E:\Research\OptA\MCMC如有问题，欢迎交流探讨！ 邮箱：lujiabo@hhu.edu.cn 卢家波 来信请说明博客标题及链接，谢谢。MCMC简介MCMC方法是基于贝叶斯理论框架，通过建立平衡分布为的马尔可夫链，并对其平衡分布进行采样，通过不断
转载
2023-12-21 11:12:31
496阅读
欢迎到B站搜SVM SMO Python，应该能找到我的视频讲座。在前面的课程中，我们曾经介绍了一种暴力算法如何在一个平面(二维)空间中找到一些样本点的分割平面。那个算法是很直接的，能够方便大家更好地理解支持向量机的概念和一些参数的意义，但是显然不是一个成熟的、具有扩展性、具有实际使用价值的方法。九十年代末的时候，如我们前面提到的，John Platt发表了一篇重要的论文，如何用一个叫做SMO的算
转载
2024-07-08 17:24:59
91阅读
写文章
BP（反向传播算法）公式推导及例题解析 WILL
深度学习搬砖者
# A*算法的Python实现
A*算法是一种用于图形搜索的热门算法，广泛应用于路径规划和人工智能领域。它结合了启发式搜索和最短路径算法的优点，能够高效地搜索到目标节点。本文将详细介绍A*算法，并提供Python代码示例，帮助读者更好地理解这一算法的实现过程。
## A*算法概述
A*算法通过使用启发式函数来估计当前节点到目标节点的成本，从而决定接下来应该扩展哪个节点。它的核心在于计算一个评
代码如下：%整数规划:匈牙利法
function [x,z]=HungaryMethod(N)
n=N;
[row,col]=size(n);
%第一步：增加0元素
for i=1:row
min_element=min(n(i,:));
if min_element~=0
n(i,:)=n(i,:)-min_element;
end
end
for i=1:c
粒子群算法的寻优算法记录学习（由于时间关系未添加代码） 粒子群算法（PSO）是计算智能领域，除了蚁群算法，鱼群算法之外的一种群体智能的优化算法。PSO算法源于对鸟类捕食行为的研究，鸟类捕食时，找到食物最简单的策略就是搜寻当前距离食物最近的鸟的周围区域。PSO算法是从这种生物种群行为特征中得到启发并运用于求解优化问题的，算法中的每个粒子都代表问题的一个潜在解，每个粒子对应一个由适应度函数决定的适应
转载
2024-09-03 12:22:23
59阅读
很久没做电机控制类的项目，突然接触还是有点手生。以前做了许多PID控制类项目，但是都没有正经八百的记录下来。还是自己没有良好的记录习惯，最近公司接到一个小项目，算是有机会重拾PID算法，还是有点小兴奋。早些年参加很多小车竞赛，多用PID对电机的控速，也算是对PID算法有较多的感触。对于常规使用场合，PID算法是最实用的控制算法。结构简单、易于操作实现。具体算法原理不做赘述，就基于STM
转载
2023-11-06 23:05:12
169阅读
这里写目录标题前述地图：寻路步骤：公式：实现代码：实现代码：顶点定义脚本：代码详解：AStar1.把地图小方块转换成Point方式便于计算2.初始化地图 InitMap()3.查找寻路路径 FindPath(start, end)思路：代码：从开启列表中找一个最近的点 FindMinFofPoint寻找P周围的点 GetArroundPoints关闭列表的点不需要再检查 PointsFilter
转载
2023-07-04 14:15:09
437阅读
目录查找算法线性查找二分查找插值查找斐波那契查找查找算法要求： 从数组中找出指定的关键值(key)，常用的查找算法有4种：
（1）线性查找，也称为顺序查找
（2）二分查找
（3）插值查找
（4）斐波那契查找说明： (2)、（3）、(4)本质上都是通过数组的中间值，将关键字（key）逐渐缩小查找范围，二分查找以数组中间值将查找范围缩小一半；插值查找也是通过某个中间值来缩小查找范围，但是中间值是动态变
转载
2023-12-27 20:17:50
52阅读
BP算法实现简单的实现了一下经典的BP算法的核心代码，目的是为了加深一下对此算法的理解便于下一步的深入学习。参考了其程序 对BP算法进行理论推导，对其梯度下降、反向传播有了一定的理解，但一部分公式并未推导通；理解了学习率，步长的基础概念，但对于激发函数的意义、如何选激发函数还是不太理解。背景1986 年，Rumelhart、Hinton 和 Williams 联合 在《自然》杂志发表了著名的反向传
转载
2023-08-24 20:38:39
107阅读
1.使用A*算法核心目的：在地图上，从起点到终点，寻找一条代价最小的路径。2.核心公式：F=G+HF:节点移动的总代价（可以理解为当前节点从起点到终点的距离）G:起点到目标节点的代价（起点到目标节点走过的距离）H：当前目标节点到终点的预估代价，忽略障碍的最小距离。在计算H代价时，使用曼哈顿算法及设当前节点坐标位置为（x1，y1），终点为（x2，y2），H=|x1-x2|+|y1+y2|。3.算法设
转载
2024-01-12 08:50:44
69阅读
文章目录零、运行结果图一、银行家算法简介(Dijkstra在1965年提出)二、安全状态三、算法实质与思想四、算法所需的相关数据结构五、算法的设计思想六、算法样例 —— 代码测试也是用的这个七、完整代码 —— C++版本八、参考附录 Banker Algorithm ? 零、运行结果图 ◆ 说明：上述算法的核心实现采用了 “DFS + 回溯” 的方法，详见后文的源代码。另外，如果把 C++ 代码
转载
2023-12-21 06:29:48
50阅读
EM算法描述及应用场景：某个数据集中有一些数据是缺失的，那么这些数据填充为多少比较合适。这是一个比较有研究意义的问题。 EM很适合解决这个问题： 最大期望算法（Expectation-maximization algorithm，又译期望最大化算法）在统计中被用于寻找，依赖于不可观察的隐性变量的概率模型中（此处理解为缺失值），参数的最大似然估计。在统计计算中，最大期望（EM）算法是在概率模型中
转载
2023-07-20 14:38:28
112阅读
