2017年11月_Bordery

12月 11月 10月 09月 08月 07月

原创最大似然估计（MLE）和最大后验概率（MAP）

最近在研究概率估计，最大似然估计（MLE）和最大后验概率（MAP）都可以用于估计生成样本数据的概率分布。但二者略有区别，进行一下分析：最大似然估计（MLE，Maximum Likelihood Estimation）给定一堆数据，假如我们知道它是从某一种分布中随机取出来的，可是我们并不知道这个分布具体的参数，即“模型已定，参数未知”。例如，我们知道这个分布是正态分布

2017-11-21 21:00:10 4975

原创贝叶斯分类——贝叶斯网络

在“贝叶斯分类——朴素贝叶斯算法”中，我介绍了朴素贝叶斯分类的相关知识。其中的核心思想是利用变量之间的“朴素”性质，计算出联合概率密度。这依赖于朴素贝叶斯分类的一个限制条件，就是特征属性必须有条件独立或基本独立。但现实中各个特征属性间往往并不条件独立，而是具有较强的相关性，这样就限制了朴素贝叶斯分类的适用范围。贝叶斯分类中有一种应用范围更广的算法——贝叶斯网络（又称贝叶斯信念网络或信念网络）。

2017-11-16 15:06:03 3097

翻译增强学习（三）——Q-Learning

原文地址：http://mnemstudio.org/path-finding-q-learning-tutorial.htm这篇教程通过简单且易于理解的实例介绍了Q-学习的概念知识，例子描述了一个智能体通过非监督学习的方法对未知的环境进行学习。假设我们的楼层内共有5个房间，房间之间通过一道门相连，正如下图所示。我们将房间编号为房间0到房间4，楼层的外部可以被看作是一间大房间，编号为5。注

2017-11-06 15:38:53 2175

BGS 背景建模／前景提取集成软件

对于视频的背景建模／前景提取，集成了BGS库的可视化软件。且可通过xml修改模型参数。

2017-10-08

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

原创 最大似然估计（MLE）和最大后验概率（MAP）

原创 贝叶斯分类——贝叶斯网络