Αναζήτηση
Όλες οι κατηγορίες
    Menu Κλείσιμο

    Πιθανοτική ρομποτική

    Εκδότης: Κλειδάριθμος
    Στο βιβλίο αυτό, οι αναγνώστες θα βρουν πληθώρα τεχνικών και αλγορίθμων από τον τομέα της ρομποτικής....
    Κωδ.Προϊόντος: 155793
    ISBN: 9789604614592
    Συγγραφέας: Συλλογικό έργο
    Τιμή χωρίς έκπτωση: €74,00
    €59,20
    i h
    Χρόνος παράδοσης: 1-3 μέρες
    Προδιαγραφές προϊόντων
    Ημερομηνία Έκδοσης1/2012
    Διαστάσεις29χ21
    ISBN13978-960-461-459-2
    Ξενόγλωσσος τίτλοςProbabilistic Robotics
    ΜεταφρασμένοΝαί
    Στο βιβλίο αυτό, οι αναγνώστες θα βρουν πληθώρα τεχνικών και αλγορίθμων από τον τομέα της ρομποτικής. Σε κάθε κεφάλαιο παρέχονται παραδείγματα υλοποιήσεων σε ψευδοκώδικα, λεπτομερείς μαθηματικές αποδείξεις, αναλύσεις από μια πρακτική επαγγελματική σκοπιά, και εκτεταμένες λίστες με ασκήσεις και πρακτικές εργασίες. Παράλληλα, στον συνοδευτικό ιστότοπο του βιβλίου (http://www.probabilistic-robotics.org), μπορεί κανείς να βρει επιπλέον υλικό (στα αγγλικά). Το βιβλίο απευθύνεται σε όλους όσους ασχολούνται με την ανάπτυξη λογισμικού για ρομπότ και με την επιστημονική έρευνα, αλλά μπορεί να ενδιαφέρει επίσης τους επιστήμονες της εφαρμοσμένης στατιστικής καθώς και τους μηχανικούς που επεξεργάζονται πραγματικά δεδομένα αισθητήρων. Περιεχόμενα του βιβλίου: - Εισαγωγή - Αναδρομική εκτίμηση κατάστασης - Φίλτρα Gauss - Μη παραμετρικά φίλτρα - Ρομποτική κίνηση - Ρομποτική αντίληψη - Εντοπισμός θέσης κινητού ρομπότ: μέθοδοι Markov και Gauss - Εντοπισμός θέσης κινητού ρομπότ: πλέγματα και μέθοδοι Μόντε Κάρλο - Χαρτογράφηση πλέγματος κατάληψης - Ταυτόχρονος εντοπισμός θέσης και χαρτογράφηση - Ο αλγόριθμος GraphSLAM - Το αραιό επεκτεταμένο φίλτρο πληροφοριών - Ο αλγόριθμος FastSLAM - Διαδικασίες αποφάσεων Markov - Μερικώς παρατηρήσιμες διαδικασίες αποφάσεων Markov - Προσεγγιστικές τεχνικές POMDP - Εξερεύνηση
    0.0 0
    Γράψτε τη δική σου αξιολόγηση Κλείσιμο
    • Το προϊόν μπορεί να αξιολογηθεί μόνο μετά την αγορά του
    • Μόνο οι εγγεγραμμένοι χρήστες μπορούν να γράψουν σχόλια
    *
    *
    • Κακή
    • Άριστη
    *
    *
    *
    *