【更新中】智能车的逻辑与决策——介绍、理论与应用

0. 置顶资料

1. 神经网络与深度学习，作者：邱锡鹏 微博：@邱锡鹏https://nndl.github.io/
2. 52 个深度学习目标检测模型汇总，论文、源码一应俱全！https://zhuanlan.zhihu.com/p/115035951

1. 状态机State Machine

MATHWORKS对有限状态机的解释https://ww2.mathworks.cn/help/stateflow/ug/finite-state-machine-concepts.html

FSM（状态机）、HFSM（分层状态机）、BT（行为树）的区别https://www.cnblogs.com/jeason1997/p/5140201.html

使用行为树(Behavior Tree)实现游戏AIhttps://www.cnblogs.com/jeason1997/p/4803243.html

Simulink-Stateflow学习——计数器的搭建和stateflow工作过程https://blog.csdn.net/zhanshen112/article/details/79697979

2. 支持向量机Support Vector Machine (VSM)

SVM支持向量机入门及数学原理https://blog.csdn.net/qq_35992440/article/details/80987664

※SVM入门经典讲解（相当好）https://blog.csdn.net/ybsun2010/article/details/9042369**

简单粗暴理解支持向量机（SVM）及其MATLAB实例https://blog.csdn.net/lyxleft/article/details/82880860

3. 深度学习

3.1 “层” Layers

3.1.1 池化层

池化层理解https://blog.csdn.net/weixin_38145317/article/details/89310404

CNN网络的pooling层有什么用？https://www.zhihu.com/question/36686900/answer/130890492

3.1.2 全连接层

深度学习笔记——全连接层https://blog.csdn.net/weixin_41055137/article/details/81174443

3.1.3 卷积层

从神经网络到卷积神经网络（CNN）https://www.cnblogs.com/skyfsm/p/6790245.html

3.1.4 SOFTMAX

小白都能看懂的softmax详解https://blog.csdn.net/bitcarmanlee/article/details/82320853

一分钟理解softmax函数（超简单）https://blog.csdn.net/lz_peter/article/details/84574716?depth_1-utm_source=distribute.pc_relevant.none-task&utm_source=distribute.pc_relevant.none-task

3.1.5 回归层REGRESSIONLAYER

Regressionhttps://blog.csdn.net/pengchengliu/article/details/85101225

3.2 长短时记忆网络LSTM

递归神经网络LSTM原理——结合实例MATLAB实现https://blog.csdn.net/u010540396/article/details/52797489/

深度学习–Matlab使用LSTM长短期记忆网络对负荷进行分类https://blog.csdn.net/u010058695/article/details/102727338

LSTM简单例子(MATLAB code)https://blog.csdn.net/u010866505/article/details/74910525

Matlab使用LSTM网络做classification和regression时XTrain的若干种数据结构-part Ihttps://blog.csdn.net/weixin_43196262/article/details/83106239
Matlab使用LSTM网络做classification和regression时XTrain的若干种数据结构-part IIhttps://blog.csdn.net/weixin_43196262/article/details/83109888

用 LSTM 做时间序列预测的一个小例子https://www.jianshu.com/p/38df71cad1f6