【神经网络教学】使用 JavaScript 无库自建自动驾驶
source link: https://blog.51cto.com/u_15340774/5341564
Go to the source link to view the article. You can view the picture content, updated content and better typesetting reading experience. If the link is broken, please click the button below to view the snapshot at that time.
【神经网络教学】使用 JavaScript 无库自建自动驾驶
原创
神经网络（Neural Network）又称为人工神经网络（Artificial Neural Network，即 ANN）。他模仿人类大脑的生物神经元信号传递的方式，通过计算机程序反映人类大脑的行为，解决人工智能、机器学习与深度学习等领域的问题。
神经网络的类型
神经网络可根据不同的目的分为不同的类型，其中常见的神经网络类型包括：感知器、前馈神经网络或多层感知器 (Multilayer Perceptron, MLP) 、卷积神经网络（Convolutional Neural Network, CNN）、循环神经网络（Recurrent Neural Network, RNN）。
在自动驾驶中一般使用卷积神经网络，通过人工神经元响应部分覆盖范围内的周围单元，处理自动驾驶汽车图像。这种卷积神经网络由一个或多个卷积层和顶端的全连通层（对应经典的神经网络）组成，同时也包括关联权重和池化层（pooling layer）。这一结构使得卷积神经网络能够利用输入数据的二维结构。与其他深度学习结构相比，卷积神经网络在图像和语音识别方面能够给出更好的结果。
卷积神经网络的关键组成部分是卷积层本身。它有一个卷积核，通常被称为过滤矩阵。滤波矩阵与输入图像的局部区域进行卷积，其定义为：
其中，操作符*表示卷积操作、w是过滤矩阵、b是偏置、x是输入，而y是输出。
自动驾驶的原理
自动驾驶其实通过一系列摄像头、LiDAR、RADAR、GPS 或惯性传感器等接收线条、路况、环境变化等不同的数据内容，进而通过深度学习算法，根据汽车的环境自行作出判断和决定。
这个教程将通过讲解汽车驾驶机械学、道路定义、人工传感器、碰撞检测、模拟交通、并行话及遗传算法等章节，通过 JavaScript 编程无库实操自动驾驶中的感知、定位、预测与决策四个主要部分。
【B站视频教程传送门】 https://www.bilibili.com/video/BV1R34y1j7Mw/
【查看完整代码】 https://2ef3db1679-share.lightly.teamcode.com
此教程已获原作者授权分享，用户可直接在浏览器中打开即可试运行代码 如何打开并编辑他人用 Lightly 分享的项目？
此篇 JavaScript 无库自建自动驾驶教程到此告一段落，欢迎查看文章中的 B 站视频及 Lightly 中的完整代码进行更深入、系统化地学习，也欢迎查看 TeamCode 的一些往期文章。如果你对文中的内容有任何疑问，更欢迎你在评论区留言讨论。
怎么看待 Python(PyScript) 可以做浏览器前端开发语言？
- 赞
- 收藏
- 评论
- 分享
- 举报
Recommend
About Joyk
Aggregate valuable and interesting links.
Joyk means Joy of geeK