张士玉小黑屋

文章目录思考优化转存信息数据转换LSTM智能车AI电磁部署学习(一)思考AI组本意是通过短前瞻短数据集去长前瞻的打脚值，来使得智能车通过短前瞻获得与长前瞻一致的速度。相对于短前瞻，长前瞻的信息相对更加丰富、准确，短前瞻甚至会丧失一部分关键信息。经过了解、学习LSTM后，并与队友讨论，认为输入不仅要只有电感值，可以尝试输入一些前次或前前次的舵机打脚值与某些主要电感数值，来使得系统更加稳定