replace: ？to ?

chai-mi · Jan 7, 2025 · 04a18ec · 04a18ec
1 parent 1ceebf3
commit 04a18ec
Show file tree

Hide file tree

Showing 5 changed files with 9 additions and 9 deletions.
diff --git a/README.md b/README.md
@@ -1,7 +1,7 @@
 # 柴米の笔记仓库
 
 > [!NOTE]
-> なにこれ？くそだらけじゃん
+> なにこれ? くそだらけじゃん
 
 ## 贡献指南
 

diff --git a/嵌入式/1.绪论.md b/嵌入式/1.绪论.md
@@ -8,7 +8,7 @@
 - 高性能 -> 用户需求和资源约束的平衡
 - (计算速度, 内存) -> (体积, 损耗, 功能)
 
-## 什么是嵌入式？
+## 什么是嵌入式?
 
 嵌入式系统是以应用为中心, 以现代计算机技术为基础, 能够根据用户需求灵活裁剪软硬件模块的专用计算机系统
 

diff --git a/智能无人系统/0.总复习.md b/智能无人系统/0.总复习.md
@@ -57,11 +57,11 @@
   - [状态 - 值函数和状态 - 行为值函数之间的关系](./4.迁移学习和强化学习在无人驾驶中的应用.md#状态---值函数和状态---行为值函数之间的关系图及其解释)
   - [请解释贝尔曼方程, 并说明其在强化学习中的作用](./4.迁移学习和强化学习在无人驾驶中的应用.md#请解释贝尔曼方程并说明其在强化学习中的作用)
   - Q-learning
-    - [DQN 和 Q-Learing 算法的区别是什么？](./4.迁移学习和强化学习在无人驾驶中的应用.md#dqn-和-q-learing-算法的区别)
-    - [DQN 中的经验回放起到什么作用？](./4.迁移学习和强化学习在无人驾驶中的应用.md#经验回放和目标网络)
-    - [DQN 中的目标网络和评估网络有何区别及联系, 分别承担什么作用？](./4.迁移学习和强化学习在无人驾驶中的应用.md#dqn-的目标网络和评估网络有何区别及联系)
+    - [DQN 和 Q-Learing 算法的区别是什么?](./4.迁移学习和强化学习在无人驾驶中的应用.md#dqn-和-q-learing-算法的区别)
+    - [DQN 中的经验回放起到什么作用?](./4.迁移学习和强化学习在无人驾驶中的应用.md#经验回放和目标网络)
+    - [DQN 中的目标网络和评估网络有何区别及联系, 分别承担什么作用?](./4.迁移学习和强化学习在无人驾驶中的应用.md#dqn-的目标网络和评估网络有何区别及联系)
   - [策略梯度](./4.迁移学习和强化学习在无人驾驶中的应用.md#策略梯度)
-  - [深度确定性策略梯度算法 (DDPG) 使用演员 - 评论家 (Actor-Critic) 算法作为其基本框架, 采用深度神经网络作为策略网络和动作值函数的近似. 对于策略函数和价值函数均使用双重神经网络模型架构, 请解释 Critic 目标网络和训练网络, Actor 目标网络和训练网络分别的作用？](./4.迁移学习和强化学习在无人驾驶中的应用.md#解释-critic-目标网络和训练网络actor-目标网络和训练网络分别的作用)
+  - [深度确定性策略梯度算法 (DDPG) 使用演员 - 评论家 (Actor-Critic) 算法作为其基本框架, 采用深度神经网络作为策略网络和动作值函数的近似. 对于策略函数和价值函数均使用双重神经网络模型架构, 请解释 Critic 目标网络和训练网络, Actor 目标网络和训练网络分别的作用?](./4.迁移学习和强化学习在无人驾驶中的应用.md#解释-critic-目标网络和训练网络actor-目标网络和训练网络分别的作用)
 
 # 第五章 无人驾驶的规划
 

diff --git a/智能无人系统/2.无人驾驶系统的定位方法以及传感器的应用.md b/智能无人系统/2.无人驾驶系统的定位方法以及传感器的应用.md
@@ -296,7 +296,7 @@ RTK 定位技术, 实时动态载波相位差分技术, 是实时处理两个基
 
 ![SLAM 框架](./image/SLAM框架.png)
 
-#### 如何计算同一个向量在不同坐标系里的坐标？
+#### 如何计算同一个向量在不同坐标系里的坐标?
 
 旋转加平移
 

diff --git a/智能无人系统/3.深度学习和无人驾驶视觉感知.md b/智能无人系统/3.深度学习和无人驾驶视觉感知.md
@@ -401,11 +401,11 @@ YOLO (You Only Look Once) 是一种目标检测模型
 
 ## YOLO 算法
 
-### 以 YOLO 为代表的单阶段目标检测算法与以 RCNN 为代表的深度学习目标检测算法最大的区别是什么？
+### 以 YOLO 为代表的单阶段目标检测算法与以 RCNN 为代表的深度学习目标检测算法最大的区别是什么?
 
 以 RCNN 系列为代表的深度学习目标检测算法采用两阶段的方法, 首先生成候选区域, 然后对这些候选区域进行分类和回归. YOLO 单阶段目标检测算法中通过单个神经网络模型一次性完成目标检测和边界框回归
 
-### YOLOv3 算法中, 采用几种不同尺度的特征图进行目标检测？当输入图像分别率为 $416 \times 416$ 时, 请给出每种尺度特征图的大小以及特征图深度的计算方式
+### YOLOv3 算法中, 采用几种不同尺度的特征图进行目标检测? 当输入图像分别率为 $416 \times 416$ 时, 请给出每种尺度特征图的大小以及特征图深度的计算方式
 
 YOLOv3 算法中共包含 3 中不同尺度的特征图来进行目标检测, 当输入图像分别率为 $416 \times 416$ 时, 三种尺度特征图的大小分别为 $13 \times 13,26 \times 26,52 \times 52$