概率线搜索

ProbLineSearch.jl 是从 MATLAB 移植过来的用于随机优化的 概率线搜索 方法（参见 Mahsereci＆Hennig，2017）。基本实现已完成，并且初步测试显示该代码与 MATLAB 版本直接等效。由于原始代码中的大多数操作是通过父级作用域更改执行的，转换过程并非完全无关紧要。然而，由于此版本避免了全局变量或“多作用域”变量，测试功能的性能通常快10到30倍。 用法：当前的接口可能显得有些笨拙。一个最小的工作示例如下：将测试功能包装在 PLS 包装器中。最终，代码将为不同的函数类型提供一致的接口，能够保留状态（如需要）和其他函数参数。例如，如果使用周期性小批量并需要存储当前批号，则需要这样做。此外，为了估计函数和梯度评估的方差，可能也需要这些功能。 目标：最终目标是为此提供一个用于自动微分的包装器（如等效功能），但实现这一目标通常并不容易。对于一次性使用的包装函数 PLSBespokeFunction，其中假设定制实现所选功能的其输出（包括 function value、gradient estimate 以及 variance estimate）。

在机器学习领域，扎实的数学基础是必不可少的。将深入探讨高等数学、线性代数、概率论以及数理统计，这些学科为机器学习算法的构建和优化提供了关键支持。 高等数学 高等数学包括微积分、极限和导数，帮助理解机器学习中的梯度下降等优化算法。微积分提供了对函数变化率的理解，直接影响模型训练的效率和效果。 线性代数 线性代数是机器学习中的核心工具，尤其是在处理向量和矩阵运算时。特征值分解、奇异值分解等概念在降维和特征提取中扮演重要角色。 概率论 概率论是机器学习模型构建中不可或缺的一环，提供了数据不确定性和模型预测的评估手段。概率密度函数、条件概率等知识为贝叶斯模型和生成模型的构建打下基础。 数理统计 数理统计用于模型的评估和优化，例如假设检验、置信区间的计算，支持模型的准确性评估和优化方法改进。

使用OpenMV进行编程，构建巡线车辆，实现路径跟踪功能。

ETL线指的是从数据提取（Extract）到数据转换（Transform）再到数据加载（Load）的过程中所使用的数据传输线路。在数据处理中，ETL线起着连接不同数据源并进行有效数据转换的关键作用。

利用 MATLAB 的等值线函数，您可以创建可视化二维数据的等值线图。这些线条将数据点连接到具有相同值的点，从而提供数据分布的图形表示。

该项目提供了一个在 MATLAB 中实现抛物线SAR指标的功能，并将指标可视化，叠加在烛台图上。

抛物线法，也称为密勒法，利用二次多项式逼近方程的根。 假设已知方程 f(x) = 0 的三个近似根，可以找到一个二次多项式 P2(x) 使其图像经过这三个点。 这个二次多项式可以看作是对原函数 f(x) 的近似。 因此，可以通过求解 P2(x) = 0 的根来逼近原方程的根。

提供基于MATLAB的车道线检测代码，包含课题设计、源码、框架和示例，适合新手和入门级用户，可作为课程设计参考。

利用Matlab绘制数据的X和/或Y误差线，并支持两个轴的对数比例。

均匀分布：随机变量取值在指定区间内均匀分布，用 U(a, b) 表示。 正态分布：随机变量取值呈钟形曲线分布，用 N(μ, σ²) 表示。 指数分布：随机变量取值呈非对称分布，无记忆性，用 Exp(λ) 表示。 Gamma 分布：随机变量取值呈非对称分布，用于表示服务时间和零件寿命，用 G(α, β) 表示。 Weibull 分布：随机变量取值呈非对称分布，用于表示设备寿命，用 W(α, β) 表示。 Beta 分布：随机变量取值在 (0, 1) 区间内，用于表示概率和比例。