有一种很重要的概率图模型用于SLAM，视觉追踪，识别，传感融合等领域，称为为Template Model. 其特征是每个状态具有多个随机变量，下个状态随机变量的取值受到上个状态的影响。并且随机变量之间的交互属于复制关系。如下图所示： 显然，普通的概率图模型的图是确定的，并不会图的结构不会改变，而这种
分类：
其他好文 时间：
2016-03-07 20:47:38
阅读次数：
142
对于上一篇中的问题：X ～ N(µ, σ^2 ) , Y = sin(X)要求随机变量Y的期望和方差。还有一种思路是对X进行采样，比如取500个采样点(这些采样点可以称为sigma点)，然后求取这些采样点的期望和方差。当采样值足够大时,结果与理论值接近。这种思路的问题显而易见，当随机变量维数增大时采
分类：
其他好文 时间：
2016-03-02 20:02:50
阅读次数：
272
本章介绍时间序列中的基本概念。特别地，介绍随机过程、均值、方差、协方差函数、平稳过程和自相关函数等概念。 2.1时间序列与随机过程 关于随机过程的定义，本科上过相关课程，用的是《应用随机过程》清华林元烈老师的书。第1章第5节： 上面的定义比较清楚明白。按照本书上的说法，随机变量序列就是一个随机过程，
分类：
编程语言 时间：
2016-02-05 18:52:26
阅读次数：
269
一、随机变量的数字特征 1. 数学期望 刻画随机变量取值的平均数，若X,Y相互独立，则E(XY)=E(X)E(Y) 2. 方差 刻画随机变量取值的离散程度 定义方差：D(x) = E{[X-E(X)]^2}标准差：sigma(x) = sqrt(D(x)) 常用计算公式D(X)=E(X^2)-[E(
分类：
其他好文 时间：
2016-02-01 18:27:56
阅读次数：
189
概率图的一个重要作用是进行推理，针对某个随机变量，告诉我们它到底有没有可能，有多大可能发生。之前在representation相关的内容中，我们更多的关心如何利用概率图减少联合分布的计算量。inference相关的章节就是要介绍如何从联合概率中获得单个随机变量的概率。1.链状变量消除 对于给定...
分类：
其他好文 时间：
2016-01-17 21:33:36
阅读次数：
854
圆周率π是一个无理数,没有任何一个精确公式能够计算π值, π的计算只能采用近似算法。国际公认的PI值计算采用蒙特卡洛方法。蒙特卡洛(Monte Carlo)方法,又称随机抽样或统计试验方法。 当所求解问题是某种事件出现的概率,或某随机变量期望值时,可以通过某种“试验”的方法求解。 即：蒙特卡洛是.....
分类：
其他好文 时间：
2016-01-13 15:38:35
阅读次数：
822
CPD是conditional probability distribution的缩写，翻译成中文叫做 条件概率分布。在概率图中，条件概率分布是一个非常重要的概念。因为概率图研究的是随机变量之间的练习，练习就是条件，条件就要求条件概率。 对于简单的条件概率而言，我们可以用一个条件概率表来表达。...
分类：
其他好文 时间：
2016-01-12 23:12:33
阅读次数：
515
概率图模型（PGM）是一种对现实情况进行描述的模型。其核心是条件概率，本质上是利用先验知识，确立一个随机变量之间的关联约束关系，最终达成方便求取条件概率的目的。1.从现象出发---这个世界都是随机变量 这个世界都是随机变量。 第一，世界是未知的，是有多种可能性的。 第二，世界上一切都是相互...
分类：
其他好文 时间：
2015-12-29 22:31:12
阅读次数：
233
if-then规则的集合，优点是模型具有可读性，分类速度快。决策树常用的算法：ID3算法、C4.5算法、CART算法1、熵（entropy，又称信息熵）因此，熵只依赖于X的分布，与X的取值无关。熵越大，随机变量X的不确定性就越大。如果有0概率，令。单位为比特(bit)或纳特(Nat)2、条件熵——表...
分类：
编程语言 时间：
2015-12-29 12:41:50
阅读次数：
184
同类数据具有一定的统计规律性。随机变量->数据特征；概率分布->数据规律步骤如下： 过拟合——学习时选择的模型所包含的参数过多，以至于出现这一模型对已知数据预测得很好，但对未知数据预测得很差的现象。M次多项式函数拟合问题泛化能力——指学习方法对未知数据的预测能力。 选择经验风险与模型复杂度同时较.....
分类：
其他好文 时间：
2015-12-29 12:31:27
阅读次数：
212
