实验三：利用action实现小海龟的运动 任务：利用action机制实现小海龟的360°转圈运动 一、实验原理(介绍算法或实验思路) 1、实验思路介绍 本实验的主要目的是利用ros2中的action机制实现小海龟的360°转圈运动，具体实现思路： （1）动作客户端： 客户端节点首先初始化ROS2环境，并创建一个动作客户端对象。 客户端发送一个包含使能标志的动作目标消息，告诉服务器

加密内容

决策树是一种依托策略抉择而建立起来的树，机器学习中的决策树是一种预测模型，可以用来代表对象属性与对象值之间的一种映射关系，从根节点到叶子节点所经历的路径对应一个判定测试序列 决策树可以是二叉树也可以是非二叉树，本质可以理解为 if else 语句，也可以认为是在特征空间上的条件概率分布 决策树的优点： 决策树算法中学习简单的决策规则建立决策模型的过程非常容易理解 决策树可以可视化，直

加密内容

写在前面 感知机内容不多，老师只用了40min讲完，可以多看看博客笔记，也没有作业，这块不是重点 [1]https://luweikxy.gitbook.io/machine-learning-notes/perceptron [2]https://www.jiqizhixin.com/graph/technologies/f9849d6c-6262-4c1f-8f42-6d976be171

写在前面 记录一下非常好的博客讲解： [1] CNN 卷积神经网络 https://dorianzi.github.io/2019/04/25/CNN/ 卷积神经网络 上述图片引自：https://dorianzi.github.io/2019/04/25/CNN/ 卷积神经网络是为了处理图片而生的分类任务 全连接神经网络与卷积神经网络 从卷积的角度理解全连接，从全连接的角

Optimization 注意偏导和梯度的区别： 这里讲模型的第四个部分：优化算法，相较于传统的梯度下降优化算法，有很多改进的版本，虽然没有跳脱出梯度下降的框架，但是在传统算法的基础上进行了改进优化，更加好用 梯度下降算法的缺点 梯度消失 saddle point 局部最优 local minimum 各参数尺度不一 different scale GDM (GD with

BMP文件的读取与显示 常见的图像文件格式 BMP（Bitmap位图） 是一种与设备无关（DIB）的图像文件格式，是Windows环境中经常使用的一种位图格式。其特点是不进行压缩，包含的图像信息丰富，但由此导致了占用磁盘空间过大的缺点。 BMP在单机上非常流行，不受Internet网络欢迎。 采用的是RGB色彩系统。 GIF（.gif）文件 GIF（Graphics Intercha

本次实验需要实现一个简单的神经网络，并使用梯度下降法训练。 遇到了Xavier初始化,找到了一篇学习资料： https://blog.csdn.net/qq_67720621/article/details/138045784 networkBackward 函数需要对照课件好好学习一下 实验代码 1234567891011121314151617181920212223242526

Neural Network 使用神经网络进行多分类 神经网络只改变了模型，使用很复杂的模型即可，其他方面都没有改变 神经元的概念 线性神经元 神经网络本质上都是多元复合函数!!!!!，是对模型的改变 不加入激活函数的后果：无论多少层神经网络，最后得到的都是线性模型，学习能力比较差 完全体的神经网络模型如下： 常见的激活函数： 全连接神经网络：可以实现各种组合

算数运算 算数运算概述 定义：对两幅输入的图像进行点对点的加、减、乘、除计算得到的输出图像，数学表达式为： 加法运算：输出图像 C 的像素值 C(x,y)=A(x,y)+B(x,y) 减法运算：输出图像 C 的像素值 C(x,y)=A(x,y)-B(x,y) 乘法运算：输出图像 C 的像素值 C(x,y)=A(x,y)×B(x,y) 除法运算：输出图像 C 的像素值 C(x,y)=