深度解析学习的原理

有关此电子书试读版的说明

本人可以帮助你找到你要的高清PDF 电子书，计算机类，文学，艺术，设计，医学，理学，

经济，金融等等。

质量都很清晰，为方便读者阅读观看，每本100°/。都带可跳转的书签索引和目录。

一般情况下，出版半年左右就会有PDF 极个别的书出 PDF 时间要长一些

如看到试读版信息.说明已经有完整版，需求完整版即可联系我。请添加 QQ 312082710 和微信

312082710或扫描微信二维码添加

PDF 代找说明：

本人己经帮助了上万人找到了他们需要的PDF ,其实网上有很多 PDF,

大家如果在网上不到的话，可以联系我QQ 312082710或微信 312082710

大部分我都可以找到，而且每本100%带书签索引目录。

因PDF 电子书都有版权，请不要随意传播，如果您有经济购买能力，请尽量购买正版。

提供各种书籍的高清PDF 电子版代找服务，如果你找不到自己想要的书的 PDF 电子版，我们

可以帮您找到，如有需要，请联系QQ 2028969416微信 2028969416 备用 QQ 202896416

若以上联系方式失效，您可通过以下电子邮件获取有效联系方式。邮箱：312082710@

若您没有QQ 通讯工具，请点击下面链接与客服取得联系。&

https:///item.htm?id=565681036651

声明：本人只提供代找服务，每本100%索弓|书签和目录，因寻找和后期制作pdf 电子书有一定难度

仅收取代找费用。如因PDF 产生的版权纠纷，与本人无关，我们仅仅只是帮助你寻找到你要的

PDF 而己。有关此电子书试读版的说明

本人可以帮助你找到你要的高清PDF 电子书，计算机类，文学，艺术，设计，医学，理学，

经济，金融等等。

质量都很清晰，为方便读者阅读观看，每本100°/。都带可跳转的书签索引和目录。

一般情况下，出版半年左右就会有PDF 极个别的书出 PDF 时间要长一些

深度解析无人机的工作原理

 如今，我们经常在很多公园或空旷场所看到有人玩那种小型无人机，每次

看它们拿着手里的遥控器，让无人机自由翱翔于空中，这种感觉很“酷炫”，

可是您知道无人机的工作原理吗？ 

 无人机是利用无线电遥控设备和自备的程序控制装置操纵的不载人飞机，

或者由车载计算机完全地或间歇地自主地操作。无人机在航拍、农业、植保、

微型自拍、快递运输、灾难救援、观察野生动物、监控传染病、测绘、新闻

报道、电力巡检、救灾、影视拍摄、制造浪漫等等领域均有广泛应用。 

 无人机由飞机机体、飞控系统、数据链系统、发射回收系统、电源系统等

组成。飞行管理与控制系统，相当于无人机系统的“心脏”部分，对无人机的

稳定性、数据传输的可靠性、精确度、实时性等都有重要影响，对其飞行性

能起决定性的作用。无人机机体的核心就是飞行器控制器——主控MCU。 

 MCU也叫单片机，是把中央处理器的频率与规格做适当缩减，并将内存

（memory）、计数器（Timer）、USB、A/D转换、UART、PLC、DMA等周

边接口，甚至LCD驱动电路都整合在单一芯片上，形成芯片级的计算机，为

不同的应用场合做不同组合控制。无人机的主控MCU在无人机飞行系统中

地位很重要。

龙源期刊网

从监督学习到强化学习，四种深度学习方式原理知多少

作者：房晓楠

来源：《机器人产业》2017年第04期

一般说来，训练深度学习网络的方式主要有四种：监督、无监督、半监督和强化学习。本文编译自硅谷著名的风险投资机构安德森·霍洛维茨基金，接下来，作者Frank Chen将逐个解释这些方法背后所蕴含的理论知识。除此之外，还将分享文献中经常碰到的术语，并提供与数学相关的更多资源。有关数学相关问题，请参阅斯坦福大学的这个教程，其中包含监督和无监督学习，内含代码示例。

监督学习

（Supervised Learning）

监督学习是使用已知正确答案的示例来训练网络的。想象一下，我们可以训练一个网络，让其从照片库中（其中包含你父母的照片）识别出你父母的照片。以下就是我们在这个假设场景中所要采取的步骤。

步骤1：数据集的创建和分类

首先，我们要浏览你的照片（数据集），确定所有有你父母的照片，并对其进行标注，从而开始此过程。然后我们将把整堆照片分成两堆。我们将使用第一堆来训练网络（训练数据），而通过第二堆来查看模型在选择我们父母照片操作上的准确程度（验证数据）。

等到数据集准备就绪后，我们就会将照片提供给模型。在数学上，我们的目标就是在深度网络中找到一个函数，这个函数的输入是一张照片，而当你的父母不在照片中时，其输出为0，否则输出为1。

此步骤通常称为分类任务（categorization task）。在这种情况下，我们进行的通常是一个结果为yes or no的训练，但事实是，监督学习也可以用于输出一组值，而不仅仅是0或1。例如，我们可以训练一个网络，用它来输出一个人偿还信用卡贷款的概率，那么在这种情况下，输出值就是0到100之间的任意值。这些任务我们称之为回归。

步骤2：训练 龙源期刊网

从深度学习的原理和基础出发阐述了深度学习的局限性

在过去几十年中，深度学习作为人工智能领域的头号种子选手，成为了激动人心的科技创新。在诸如语音识别、癌症检测等对于传统软件模型难以解决的领域中，深度学习已经初露锋芒。

深度学习的原理经常被用来与人类学习的过程相类比，专家们相信深度学习过程将会更快，更深入的延伸至更多的领域中。在某些情况下，人们会担心深度学习会威胁人类在社会和经济生活中的关键地位，造成诸如失业甚至是人类被机器奴役的后果。

毫无疑问，机器学习和深度学习对某些任务而言是十分有效的，然而它并不是可以解决所有问题、凌驾于所有科技之上的万能钥匙。事实上，相比于过度炒作夸大的概念，仍有许多的制约和挑战使得该技术在某些方面仍不足以和人类，甚至无法达到人类孩童的能力。

让我们回忆儿时的童年经历：第一次接触超级玛丽时只玩了几个小时便初步形成了粗浅的关于平台游戏（platform game）的概念。下次玩到类似的游戏（诸如prince of persia, sonic

hedgehog, crash bandicoot 或是donkye kong country）时，便可以将之前在超级玛丽游戏中的实战经验应用于它们。如果之后它们升级成了3d版本（正如90年代中期出现的），也可以毫不费力的上手。同时，也可以轻而易举的将现实生活中的经验应用于游戏之中，遇到深坑时我马上知道要操作马里奥跳过它，遇到有刺的植物时，我马上知道要避开。

我们算不上优秀的游戏玩家，但对于深度学习算法而言，完成上述过程却充满了挑战，即使是最聪明的游戏算法也要从零开始学起。

人类可以通过抽象、类比、演绎，对不同的概念进行借鉴和学习，达到举一反三的效果。深度学习的算法却无法做到如此，它需要大量精准的训练来实现。

在最近的一篇题为“深度学习的客观评价”一文中，前Uber人工智能领导，纽约大学教授Gray Marcus讲述了深度学习遇到的限制与挑战，他从深度学习的原理和基础出发阐述了深度学习的局限性，但也对未来面对的挑战表达了殷切的期许。