Some Ideas For Freescale Smart Car

【征程】

两次经验,飞思卡尔汽车国家竞争,占领了一半我的大学期间,对我来说是一个非常宝贵的记忆。
一年前毕业。我的主人大学辍学年前的一半。现在PhD.-ing。这是一个神奇和苦苦挣扎的经验。现在一切都好了,我终于抓住一些时间说一些我的学校朋友或DaoYou兄弟和我的车。
虽然我有一个不错的奖,我很遗憾,我不能实现我的想法在我的车。我很遗憾我从来没有做出任何贡献飞思卡尔论坛(事实上,很久以前有许多好的文章和想法的论坛,现在…是啊…)
对不起,“GuanShui”。对不起用英语打字了。(因为学校计算机只支持英语)。也许我可以用PINp拼音吗?哦shit。它已经很长一段时间从我最后一次打开这个论坛网站。每年这个时间对我们来说真的是特别的。令人兴奋或…我意识到许多有趣的想法,当我扫描那些帖子的论坛。
恶魔的职位我很多的启发,卓是一个伟大的老师一直致力于这方面竞争这么多年。
这些想法是一些原因把我插几句话。一个“DaoYou”认为,这种竞争的规则似乎对我们的约束。好论点!但是,我只想说规则是约束对智能车,但不是我们的想法是最重要的。不管你信不信,这些想法可以实现在我们的智能汽车可以一样好,甚至比谷歌和其他机构所使用的技术。

【征程】

“DaoYou”也提到了神经网络。是啊!神经网络包含了很多好点子,在许多实际项目,取得了良好的性能,这也是我的研究的一部分。人类:Colourfulworld大脑- > - >的决定机:信息(010101011000)- >单片机- >的决定信息世界的机器总是01010100111——数字信号。所以我们需要编写一些程序和设计一些算法让机器知道数字信号的意义,然后作出决定。人工神经网络(ann)的想法是来自生物神经网络;它只是为了建立一个大脑的机器。

【征程】

在我们的大脑中,有600亿个神经细胞构成的神经网络,让我们聪明。上面的图片是一个单隐层结构的神经网络前馈神经网络。有三层:输入层、隐层、输出层。隐层总是代表输入数据的特征空间。数学思想方法,人工神经网络设置大量ofneural节点机和结合一些映射函数或sometimeswe称之为权重。模式识别思想方法,人工神经网络输入数据映射到特征空间(特征提取),然后在特征空间分离出并与合适的函数映射到输出层。有一些输入和产量之间的关系。安可以用来描述任何关系函数近似。至于智能汽车有一些关系roadinformation和速度,我们要控制方向。所以最重要的事情是映射函数或节点之间的权重。如果我们能以最优的方式训练权重,人工神经网络可以工作得很好。那么如何使用和训练人工神经网络?有很多方法如神经网络。最近“极端学习机”(ELM)在机器学习领域中很受欢迎。如果你有兴趣,你可以搜索一些文件。像许多其他方法最优权重学习机器(OWLM)也很好。实际上,大量的基于人工神经网络的机器learningmethods已经提出。他们中的许多人已经在一些真正的实现项目。和安的想法也可以用于我们的智能汽车毫无疑问,哈哈。好吧。也许下一次吧,我会很高兴和你们讨论人工神经网络。
和一个问题“Dao-You”(也许有人goodprize或有人不执行),什么是最重要的事情在这个竞争,你收到了吗?…喜欢的东西。珍惜的东西。多年以后不要后悔。愿一切都好！
屌三年22/07/2015