面向无人机自主着陆的视觉感知与位姿估计方法综述

这个变换可以用一个六自由度的透视投影来描述,即需要求解一个平移向量和一个旋转矩阵.而无人机自主着陆过程中的位姿估计又是一个与时间变量有关的状态估计问题,因此本节按照是否利用帧间约束,从独立帧和连续帧两方面来递进地分析基于单目视觉的位姿估计方法的研究现状.4.1基于独立帧的位姿估计方法...

【机器学习基础】各种梯度下降优化算法回顾和总结

梯度下降是迭代法的一种,在求解机器学习算法的模型参数时,即无约束问题时,梯度下降是最常采用的方法之一。这里定义一个通用的思路框架,方便我们后面理解各算法之间的关系和改进。首先定义待优化参数,目标函数,学习率为,然后我们进行迭代优化,假设当前的epoch为,则有:计算目标函数关于当前参数的梯度:根据历...

Lasso回归算法:坐标轴下降法与最小角回归法小结

坐标轴下降法顾名思义,是沿着坐标轴的方向去下降,这和梯度下降不同。梯度下降是沿着梯度的负方向下降。不过梯度下降和坐标轴下降的共性就都是迭代法,通过启发式的方式一步步迭代求解函数的最小值。坐标轴下降法的数学依据主要是这个结论(此处不做证明):一个可微的凸函数,其中是nx1的向量,即有n个维度。如果...

机器学习中的最优化算法(全面总结)

AdaGrad算法是梯度下降法最直接的改进。梯度下降法依赖于人工设定的学习率,如果设置过小,收敛太慢,而如果设置太大,可能导致算法那不收敛,为这个学习率设置一个合适的值非常困难。AdaGrad算法根据前几轮迭代时的历史梯度值动态调整学习率,且优化变量向量X的每一个分量xi都有自己的学习率。参数更新公式为:其中α是...

1万+字原创读书笔记,机器学习的知识点全在这篇文章里了

回归问题是用一条线去拟合数据,而分类问题是寻找一条线来划分不同类别。回归方法,引入一个指示变量,它简单的标识每一个数据点所属的类别。现在问题就变成了用数据去预测指示变量,第二种方法是进行重复的回归,每一次对其中的一个类别,指示值为1代表样本属于该类别,0代表属于其他类别。