python学习材料一（共3本经典书籍） 人工智能必备

python学习必备材料一包括三本python学习的经典书籍：《Python编程：从入门到实践》，《Python编程快速上手》，《Python核心编程（第3版）》。以上书籍均为高清版。是成为python工程师、人工智能工程师的必备书籍

基于深度学习的图像分类和分割网络总结

在此记下AlexNet等八个经典网络的架构、创新点等，以供参考。

多传感器数据融合在汽车领域的应用 文献翻译

环境感知系统在智能汽车中的应用有望提高道路交通的安全性。众所周知的环境感知传感器有雷达，激光或视觉传感器等，它们能够使汽车检测路上的威胁，预计出现危险的驾驶情况并采取主动行为避免碰撞。除了汽车传感器系统中的多传感器融合，复杂的信号处理和传感器数据融合策略对整个系统的可用性和稳定性具有非常重要的意义。在本文中，我们考虑原始传感器的数据融合（低层次）和预处理测量点（高层次）的数据融合方法。我们对传感器配置、道路交通情景、数据融合样式和信号处理算法进行建模研究并且通过离散事件模拟将传感器数据对结合到不同抽象层次上的多传感器系统进行性能研究。

郑州大学随机信号处理大作业 附程序

郑州大学随机信号处理大作业 附程序， Yule-Walker法、Burg法、协方差法进行AR模型的功率谱估计。楼主拿了90+、4.0。

L298N_电机驱动模块_程序书

L298是SGS公司的产品，比较常见的是15脚MulTIwatt封装的L298N，内部同样包含4通道逻辑驱动电路。可以方便的驱动两个直流电机，或一个两相步进电机。

Arduino_Uno_Rev3原理图

Arduino uno R3。它基于ATmega328的单片机板，Arduino uno R3共有14个数字I/O端口（其中六个可以做PWM输出），6个模拟端口，一个16MHz晶体振荡器，一个USB接口，一个DC电源插座，一个ICSP header和一个复位按钮。

自AlexNet以来的图像分类和分割网络总结.docx

将自2012年以来图像分类和分割的几篇经典论文汇总整理总结，解决了不少疑惑，也弥补了一直以来没有系统整理深度学习网络在CV方面应用的遗憾。在此记下AlexNet等八个经典网络的架构、创新点等，以供参考。

机器学习、计算机视觉常用其中算法总结

包括 1.Hough变换 2.逆投影变换（IPM） 3.随机采样一致性算法（RANSAC） 4.DBSCAN算法 5.K-means聚类法 6.D-S策略 7.Adaboost算法

基于opencv的图像分割

该分割方法是一种基于图（graph）的图片分割法。该方法将图片中的像素看作独立的点，将每个点与其周围点的不相似程度看作边的权值，用函数表示，并按照不相似程度由小到对其达进行排序，再利用贪心算法逐渐将相似程度较高的点或区域进行合并，即整体问题的最优解可以通过一系列局部的最优选择来达到，最后直到所有的点都合并完毕，算法结束。

深度学习笔记整理

深度学习一种机器学习方法，它通过多层神经网络拟合训练样本分布的，逐级建立从底层到顶层的输入数据特征模型与映射关系。深度学习的优势在于它能够自动学习获得转变的特征而不需要人工设计特征提取器和额外的数据预处理，让机器自主学习输入输出的关系从而掌握转变规律。