摘要：
#1.入门 2.发展历程 #3.三大要素 表示，推理，学习 重要概念 条件独立性 三大类问题 应用举例 所谓像素深度就是判断远近程度 NIPS-这个点看下 NIPS（NeurIPS），全称神经信息处理系统大会(Conference and Workshop on Neural Information 阅读全文
摘要：
#1.公式回顾 比对一下下面的离散控制系统 #2.机器人应用举例 #陀螺仪滤波 代码 #视觉跟随装甲板 阅读全文
摘要：
#1.卡尔曼公式详解 - 重点！！！ 预测当前的值也叫先验估计 \(\hat x_t^- = F\hat x_{t-1}+B\mu_{t-1}\) 基于之前的最优估计来推出当阶段的先验估计 协方差公式 \(P_t^-=FP_{t-1}F^T+Q\) \(P_t^- 是\hat x_t^时刻的协方差矩 阅读全文
摘要：
#1.状态空间表达式 \(x_k是当前状态的状态值,k是当前值,x_{k-1}上一个时刻该状态的值\) \(u_k，x_k的输入\) \(w_k 过程噪声\) \(A状态转移矩阵\) \(B控制矩阵\) \(y_k观测量\) \(v_k观测噪声，和观测器的误差有关\) \(C某种关系\) ##案例 阅读全文
摘要：
#1.引入 将信号过滤后更趋于真实值，去掉噪声 #2.适用系统 两个要求 1.线性系统： 1.1 叠加性 一个系统y的输出由另外两个系统y_1,y_2的输出叠加而成 1.2 齐次性 输入x增加k倍，输出y也增加k倍 2.高斯分布：噪声满足高斯分布 #3.宏观意义 滤波即加权 将高频信号(噪声)权重降 阅读全文
摘要：
#1.相对熵,KL散度 \(真实分布p(x),近似分布q(x)对其建模,则分布p(x),q(x)之间的相对熵/KL散度为\) 注意KL$(p||q)\ne$KL$(q||p)$,相对熵不是一个对称量 \(KL散度可以看做是两个分布p(x)和q(x)之间不相似程度的度量\) #2.KL散度的近似公式 阅读全文