
会员
机器人传感器
迟明路等主编更新时间:2024-01-25 18:39:17
最新章节:参考文献开会员,本书免费读 >
机器人传感器是实现机器人及自身与外部环境进行信息交互的重要手段。通过搭载不同类型的传感器,机器人对其自身及周围环境进行检测,并对检测结果进行处理、分析、决策,然后选择合适的运动。本书按传感器基础篇、机器人传感器篇进行编排,全书共7章,前后呼应,循序渐进,由常用传感器到机器人传感器应用,逐步介绍了传感器的基础知识与检测技术、常用传感器、智能传感器、机器人常用传感器、工业机器人常用传感器、移动机器人常用传感器、机器人多传感器信息融合等内容。
上架时间:2022-06-01 00:00:00
出版社:电子工业出版社
上海阅文信息技术有限公司已经获得合法授权,并进行制作发行
机器人传感器最新章节
查看全部- 参考文献
- 7.5 多传感器融合应用
- 7.4.7 智能信息融合
- 7.4.6 基于感知的信息融合
- 7.4.5 基于信息论的信息融合
- 7.4.4 Dempster-Shafer算法
- 7.4.3 贝叶斯推理
- 7.4.2 卡尔曼滤波
- 7.4.1 算法分类
- 7.4 多传感器信息融合算法
迟明路等主编
主页
最新上架
- 会员
AI爆款文案:巧用AI大模型让文案变现插上翅膀
本书通过对10款人工智能应用的介绍及调试,帮助读者快速掌握人工智能辅助文案变现的方式。本书共10章,分别讲解AI智能创作,AI爆款文案写作工具,人工智能辅助泛流量文案、泛商业文案、私域文案创作,利用人工智能实现文案变现的底层逻辑,以及在今日头条、百家号、小红书、知乎等平台及不同展示形式下进行文案创作的实战案例等。计算机12.2万字 - 会员
AI虚拟仿真从入门到参赛
本书全面探讨人工智能三维仿真竞赛,包括竞赛的立意、类型和流程,并详细介绍人工智能三维仿真软件的核心功能,如编程、控制、循迹、定位等的应用。本书首先介绍人工智能三维仿真竞赛的基础知识,为读者打下坚实的理论基础;其次转向人工智能三维仿真软件的详细教学,通过具体案例强化读者的学习效果;最后总结人工智能三维仿真竞赛中的常见任务类型,并结合历史竞赛案例,为读者提供实际参考。本书适合准备参加人工智能三维仿真竞计算机4.4万字 - 会员
设计深度学习系统
本书主要从软件开发者的角度探讨如何构建和设计深度学习系统。作者首先描述一个典型的深度学习系统的整体,包括其主要组件以及它们之间的连接方式,然后在各个单独的章节中深入探讨这些主要组件。对于具体介绍的章节,会在开始时讨论需求,接着介绍设计原则和示例服务/代码,并评估开源解决方案。通过阅读本书,读者将能够了解深度学习系统的工作原理,以及如何开发每个组件。本书的主要读者对象是想要从事深度学习平台工作或将一计算机18.1万字 - 会员
人工智能算法基础
本书分为4章,共20章。其中第1篇为基础算法篇,从第1章到第9章,讲述排序、查找、线性结构、树、散列、图、堆栈等基本数据结构算法;第2篇为机器学习算法篇,从第10章到第14章,讲述分类算法、回归算法、聚类算法、降维算法和集成学习算法;第3篇为强化学习算法篇,从第15章到第16章,讲述基于价值的强化学习算法和基于策略的强化学习算法;第4篇为深度学习算法篇,从第17章到第19章,讲述神经网络模型算法、计算机0字 - 会员
巧用ChatGPT快速提高职场晋升力
本书共分为10章,从ChatGPT的基本知识、技术原理和应用场景出发,探讨了如何运用ChatGPT提升职场竞争力。计算机11.4万字 - 会员
用ChatGPT轻松玩转机器学习与深度学习
本书共14章,主要内容包括探索性数据分析、有监督学习(线性回归、SVM、决策树等)、无监督学习(降维、聚类等),以及深度学习的基础原理和应用等。计算机18万字 - 会员
贝叶斯算法与机器学习
本书共分为10章,涵盖了贝叶斯概率、概率估计、贝叶斯分类、随机场、参数估计、机器学习、深度学习、贝叶斯网络、动态贝叶斯网络、贝叶斯深度学习等。本书涉及的应用领域包含机器学习、图像处理、语音识别、语义分析等。计算机0字 智能汽车软件功能安全
这是一本从实践角度系统且深入地讲解智能汽车软件功能安全和智能汽车软件研发的著作,得到了中国工程院院士李克强等13位产业界和学术界专家的一致推荐。作者在功能安全领域深耕10余年,有扎实的理论基础、丰富的实践经验,用挖掘本质的思维方法来撰写本书,从研发体系、架构设计、开发流程、开发方法、安全措施、创新研究等维度对智能汽车软件功能安全做了深入的讲解。全书共11章,分为3个部分。第一部分(第1~3章)智能计算机25.9万字- 会员
Keras深度学习与神经网络
本书从人工智能导论入手,阐述人工智能的发展及现状,重点介绍了机器学习和神经网络基础、反向传播原理、卷积神经网络和循环神经网络等内容。本书内容由浅入深,循序渐进,从神经元和感知机入手,逐步讲解深度学习中神经网络基础、反向传播以及更深层次的卷积神经网络、循环神经网络。本书知识体系完整,内容覆盖面广,介绍了深度学习中常用的模型和算法,助力读者多方位掌握深度学习的相关知识。本书可作为高等院校计算机等相关专计算机11万字