- 博客(7)
- 资源 (1)
- 收藏
- 关注
原创 S_Group生存指南
第一条:请务必遵守本简单生存指南各项规定,以便于在接下来两年半成功生存下来第二条:生活规律,在该吃饭的时候务必在食堂,该睡觉的时候务必闭眼,该穿衣的时候务必洗簌更衣,该锻炼的时候务必运动。请按照附录一的生活时间表生存,因为不规律的生活已经体验过了,因此没有必要再多体验任何一次。这一条是最重要最基础的要求。第三条:每天在实验室至少工作8小时以上(不含上课时间)第四条:每周2~3篇文献报告
2017-12-05 15:12:13 218
原创 粒子滤波
particle filters1950~1960年代提出 随机产生一堆粒子,对每一个粒子预测其状态,更新,加权求和,重采样randomly generate a bunch of particlespredict next state of tyhe particlesupdateresample随机产生均匀分布的一堆点,然后测量,看哪个与测量值接近,对每一个粒子进行评价,给出对应的权重
2017-12-05 14:11:41 186
原创 Tensorflow安装
为了做统计学习大作业,要用到残差深度学习神经网络,其中的一个框架是tensorflow。现大致说明安装过程。 2017/11/29/0:30 网上有很多方法,但是没有一个最简便最没有问题的方法。这里先说一个经过多次尝试发现的方法。https://mirrors.tuna.tsinghua.edu.cn/help/tensorflow/ 先就这样吧。
2017-11-29 00:37:09 238
原创 随机过程在室内定位的应用
室内定位目前主要存在两种大的主流方法:一种是基于无线通讯基站的信号实现定位,包括了WiFi,蓝牙,红外线、超宽带、RFID、ZigBee和超声波,其中需要对信号强度(RSSI)进行滤波处理,本文介绍了抗差卡尔曼滤波,其中用到了随机过程的知识。另一种是惯性导航,无需任何基础设施和网络,只需要移动设备中的多传感器,根据移动之后的图形匹配实现定位,本文介绍了一种基于隐马尔科夫(HMM)模型的图形匹配方法,即随机过程的重要应
2017-10-27 21:50:12 1418 2
原创 Bagging
Baggingbootstrap aggregrating 多个分类器自助聚合重采样:重复采样实验,不同的分类树,对实验结果合成 - 分类:投票,奇数个分类器,(正样本负样本)多数为胜 - 回归:平均,降低方差 不仅仅降低方差(variance),也可以降低误差(bias)贝叶斯误差:最优误差(Pe最小)回归树的好处:能知道哪个属性最重要,作为父节点Random Forest随机森林
2017-10-27 21:48:42 319
原创 Kalman Filter Study (include Monte Carlo Position)
Kalman FilterPreview : Monte Carlo PositionPositioning: Iteration of Measurement + Motion(Prediction)* Measurement: 用python对卡尔曼滤波仿真
2017-10-20 16:09:32 278
原创 回归分类学习
安装python和回归分类实验目前Python的科学计算功能非常强大,R语言也是一门科学计算语言,但鉴于Python的普适性,将使用Python语言来描述统计学习课程的内容Markdown和扩展Markdown简洁的语法Python的安装和环境配置数据集简单线性回归多元线性回归分类knnsvm丰富的快捷键
2017-10-11 21:40:29 695
AI100年报告
2017-10-11
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人