- 博客(7)
- 收藏
- 关注
RSS订阅原创 P6 随机过程的贝叶斯滤波
P6 随机过程的贝叶斯滤波P6 随机过程的贝叶斯滤波P6 随机过程的贝叶斯滤波但大部分时候，我们不知道状态的转换关系原文视频：https://www.bilibili.com/video/BV1Y741127cu?from=search&seid=16140780664109711714...
2020-05-23 19:55:50
332
原创 P5 似然函数与狄拉克函数
P5 似然函数与狄拉克函数似然函数与狄拉克函数似然模型重要定理狄拉克函数似然函数与狄拉克函数直接对似然函数进行积分，会导致积分结果为0。对似然函数乘以一个很小的函数，在进行积分。ϵ\epsilonϵ 可以理解为传感器的精度。似然函数只能求得一段范围内的值，但不能求某一时刻的值。似然模型为了求某一时刻的值，采用似然模型。正太分布满足中心极限定理多个误差叠加 满足正太分布均匀分布 期望 方差 不容易控制均匀分布期望和方差相互关联的，期望确定了，方差也就确定了滤波
2020-05-22 18:08:34
588
原创 P4 连续随机变量的贝叶斯滤波
P4 连续随机变量的贝叶斯滤波P4 连续随机变量的贝叶斯公式上一章补充正文P4 连续随机变量的贝叶斯公式上一章补充茆诗松 《概率论与数理统计》 第一版 （十章）后验概率由果推因似然概率有因推果独立未必没有函数关系，有函数关系也未必不独立证明视频：https://www.bilibili.com/video/av63950352/?spm_id_from=333.788.b_636f6d6d656e74.4正文上面通过中值定理替换上面对概率分布进行操作上面对概率密度进行
2020-05-22 09:41:58
401
原创 P3 贝叶斯滤波的三大概率
贝叶斯滤波与卡尔曼滤波P3贝叶斯滤波与卡尔曼滤波P3贝叶斯滤波三大概率贝叶斯滤波与卡尔曼滤波P3贝叶斯滤波三大概率先验概率做试验之前的概率，可以乱猜，也可以感觉和经验后验概率做完试验之后的概率似然概率X,YX,YX,Y表示随机变量x,yx,yx,y表示随机变量的取值，代表随机试验的一个可能结果例 1:正 X=1X=1X=1做一次随机实验，结果为正面朝上例子：先验概率 加和 为 1后验概率 加和 为 1似然概率 加和不为 1P(Tm=10.3∣T=10)P(T_m = 1
2020-05-21 20:55:09
298
原创 P2 随机过程与主观概率
贝叶斯滤波与卡尔曼滤波P2贝叶斯滤波与卡尔曼滤波P2非官方定义贝叶斯滤波处理的是随机过程随机试验随机过程无法对概率进行赋值公式贝叶斯滤波与卡尔曼滤波P2非官方定义通过概率统计方法（贝叶斯公式）对随机信号进行处理，减少不确定性度。贝叶斯滤波处理的是随机过程随机过程x1,x2,x3,...x_1,x_2,x_3,...x1,x2,x3,... 都是随机变量，彼此之间不是独立的（无法做随机实验）确定过程例如方程 v=gtv=gtv=gt \quad x1,x2,x3,...x_1,x_2
2020-05-21 13:07:56
304
原创 P1绪论
贝叶斯滤波与卡尔曼滤波贝叶斯滤波与卡尔曼滤波P1应用行业内容贝叶斯滤波与卡尔曼滤波P1应用行业汽车 电池 航空航天 金融 机器学习内容贝叶斯滤波 -> 卡尔曼滤波-> 变种贝叶斯滤波 -> 粒子滤波贝叶斯滤波 相当于思想卡尔曼滤波 相当于实验原文视频：https://www.bilibili.com/video/BV1eE41147wK?from=search&seid=1510710284717052057...
2020-05-21 12:01:33
181
原创 图神经网络在线研讨会2020 Part1 宋国杰
图神经网络在线研讨会2020 Part1BackgroundNetwork AnalyticsIt's very hard!Optional SolutionNetwork Representation LearningNetwork EmbeddingGraph Neural NetworkGCNSpatial 空间方法Our Recent WorksAbout FutureBackgroun...
2020-05-07 19:40:48
374
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人