Начала нейронных сетей.

Модный тренд 2018 года. Много задач решено при помощи нейронных сетей. Распознавание образа, почерка,циферок и прочего.

https://neurohive.io/ru/machine-learning-cases/analiz-dannyh-na-python-postroenie-modeli-fondovogo-rynka-so-stocker/
Статьи с реализациями на питоне.

Мне интересна задача самостоятельного управления дроном. Наприпер возможность облетать препятствия при полетах на низкой высоте и также возможность научить курилку петать с максимальной скоростью и минимальным отклонением по заданной трассе.

Deep learning:
https://medium.com/@ageitgey/try-deep-learning-in-python-now-with-a-fully-pre-configured-vm-1d97d4c3e9b

Обучение на графической карте  Radeon RX580
https://habr.com/post/432030/

Веб-камера, Node.js и OpenCV: делаем систему распознавания лиц:
https://habr.com/company/ruvds/blog/335770/

Применение нейросетей в распознавании изображений
https://neuronus.com/stat/64-primenenie-nejrosetej-v-raspoznavanii-izobrazhenij.html


Реализация алгоритма Левенберга-Марквардта для оптимизации нейронных сетей на TensorFlow
https://habr.com/post/428183/


https://habr.com/company/ods/blog/431512/
Car Autopilot project:
https://github.com/hamuchiwa/AutoRCCar

Evolve a neural network with a genetic algorithm:
https://github.com/harvitronix/neural-network-genetic-algorithm

Что такое Анаконда:
https://habr.com/post/350500/

о распознавании образов:
https://habr.com/post/249661/

PyTorch:
https://neurohive.io/ru/osnovy-data-science/cnn-na-pytorch/

Алгоритм машинного обучения для Flappy Bird
https://habr.com/post/336612/
Машинное обучение на Python-е с интерактивными Jupyter демонстрациями:
https://habr.com/post/433886/

Комментарии

Отправить комментарий

Популярные сообщения из этого блога

iNAV work around

От переизбытка интелекта и приятной цены купил BETAFLIGHTF4. Захотелось его в iNav и еще и в режиме самолета. Лучше бы крыла, было бы проще. Но жертвенный пенолет уже ждет. Список задач: Есть 8канальные приемники с PWM выходом (реально 6 каналов) Есть PWM-to-PPM конвертер от дядюшки Ляо. Все остальное тоже есть. Только вот BETAFLIGHTF4 далеко не самый подходящий для этой задачи мозг. Полезная инфа(из документации к iNav):  Как скомпилить в докере: 1) надо установить докер. 2) стянуть образ: C:\work\my_projects\iNav\inav_flight_controller\inav>docker build -t inav-build . 3) Стянуть исходники 4) Скомпилить исходники. docker run --rm -v c:/work/my_projects/iNav/inav_flight_controller/inav:/home/src/ inav-build make TARGET=BETAFLIGHTF4 или docker run --rm -v c:/install/inaw/inav:/home/src/ inav-build make TARGET=BETAFLIGHTF4 в зависимости от того где лежат исходники iNav Выяснить, что софт BETAFLIGHTF4 хочет не-инверсный PPM. Понять, что конвертор дает инвер...
Далее...

How to build coil for Minelab Explorer. DIY

Original article placed here:  http://www.23hq.com/metaldetectorssearchcoils/story/1674201 This is translation to motherfucker russian language. Оригинальный перевод был выложен мной на форум  https://forum.violity.com/viewtopic.php?p=80897&sid=e4496331ceb698606025a1f3cf9fc352 в 2008 году, где он сохранился и откуда я его скопировал в свой блог.  Building an Explorer Coil - Why build my own? Изготовление катушек для Эксплорера или нафиг оно нам надо? Я чувствовал себя как придурок, из-за ограниченного выбора катушек, доступных для моих детекторов (Explorer, Sovereign, and Excalibur). Там где я ищу, условия изменяются значительно и мне  часто  хотелось иметь катушки, которые бы лучше соответствовали моим специфическим условиям. Ибо наилучший результат дает правильно подобранный инструмент. Задача производителей - разработать катушку,которая бы удовлетворяла требованиям наиболее широкого сегмента рынка. Это означает что и DD и концентрическ...
Далее...

Вычисление азимута и расстояния между двумя точками

http://gis-lab.info/qa/great-circles.html Python import math #pi - is pi - 3.1415..., rad - earth sphere radius rad = 6372795 # Points coordinates: llat1 = 77.1539 llong1 = -120.398 llat2 = 77.1804 llong2 = 129.55 # in radians: lat1 = llat1*math.pi/180. lat2 = llat2*math.pi/180. long1 = llong1*math.pi/180. long2 = llong2*math.pi/180. #cosinus and sinus of latitude and longitude differences cl1 = math.cos(lat1) cl2 = math.cos(lat2) sl1 = math.sin(lat1) sl2 = math.sin(lat2) delta = long2 - long1 cdelta = math.cos(delta) sdelta = math.sin(delta) #calculating the length of a large circle y = math.sqrt(math.pow(cl2*sdelta,2)+math.pow(cl1*sl2-sl1*cl2*cdelta,2)) x = sl1*sl2+cl1*cl2*cdelta ad = math.atan2(y,x) dist = ad*rad #initial azimuth calculation x = (cl1*sl2) - (sl1*cl2*cdelta) y = sdelta*cl2 z = math.degrees(math.atan(-y/x)) if (x < 0): z = z+180. z2 = (z+180.) % 360. - 180. z2 = - math.radians(z2) anglerad2 = z2 - ((2*math...
Далее...