From 871caff2a8c870e00813be780cd800304820a29c Mon Sep 17 00:00:00 2001 From: Paweł Dybiec Date: Mon, 12 Feb 2018 23:16:45 +0100 Subject: bibliografia + abstrakt --- Chapters/chapter1.tex | 7 ++----- Chapters/chapter3.tex | 2 +- 2 files changed, 3 insertions(+), 6 deletions(-) (limited to 'Chapters') diff --git a/Chapters/chapter1.tex b/Chapters/chapter1.tex index 5af0f29..63ddfbf 100644 --- a/Chapters/chapter1.tex +++ b/Chapters/chapter1.tex @@ -16,8 +16,7 @@ rozdziale zostaną poruszone poniższe zagadnienia: \end{itemize} \section {Łazik Aleph 1} Łazik Aleph 1 powstał z inicjatywy -% Koło Pasjonatów Mechaniki i Informatyki "Continuum" (oficjalna nazwa?) -Koło Pasjonatów Mechaniki i Informatyki "Continuum"\footnote{ Strona Koła Pasjonatów Mechaniki i Informatyki "Continuum": +Koło Pasjonatów Mechaniki i Informatyki ,,Continuum''\footnote{ Strona Koła Pasjonatów Mechaniki i Informatyki ,,Continuum'': \href{http://continuum.uni.wroc.pl/}{http://continuum.uni.wroc.pl/}} w roku 2014. Od tego czasu został zaprezentowany na konkursach takich jak European Rover Challenge (ERC) oraz University Rover Challenge (URC). Przez ostatnie @@ -92,9 +91,7 @@ przemieszczenia wejść. Dodatkowo zmniejsza to rozmiar wejścia w kolejnych war co zmniejsza liczbę parametrów. \subsection{Uwagi} Konwolucyjne sieci neuronowe bardzo dobrze radzą sobie z widzeniem maszynowym, są w stanie -klasyfikować bezproblemowo obrazki\footnote{\href -{https://www.cs.toronto.edu/\~kriz/imagenet\_classification\_with\_deep\_convolutional.pdf} -{https://www.cs.toronto.edu/\~kriz/imagenet\_classification\_with\_deep\_convolutional.pdf}}. +klasyfikować bezproblemowo obrazki\cite{cnn}. Ale w przypadku patrzenia na tylko jedną kratkę nie są wstanie wyciągnąć wniosków. Co w przypadku nawigacji oznacza, że proces sterowania jest tylko ciągiem spontanicznych decyzji bez planowania trasy. Dodatkową konsekwencją takiej architektury diff --git a/Chapters/chapter3.tex b/Chapters/chapter3.tex index 8991a9a..86adc23 100644 --- a/Chapters/chapter3.tex +++ b/Chapters/chapter3.tex @@ -6,7 +6,7 @@ kierunku, sieć potrafi bezproblemowo przejechać cały tor. \section{Na co zwraca uwagę} Aktywność sieci dla obrazków została wygenerowana za pomocą metody -Integrated Gradients\footnote{\href{https://arxiv.org/abs/1703.01365}{https://arxiv.org/abs/1703.01365}}. +Integrated Gradients\cite{ig}. Co było oczywiste w przypadku symulatora, sieć zwraca głównie uwagę na miejsca, gdzie pojawiają się granice drogi \ref{sim_act}. Co ciekawe, reaguje też na ścianę -- cgit 1.4.1