（一）：细说贝叶斯滤波：Bayes filters

认知计算，还要从贝叶斯滤波的基本思想讲起。这一部分，我们先回顾贝叶斯公式的数学基础，然后再来介绍贝叶斯滤波器。

(一). 概率基础回顾

我们先来回顾一下概率论里的基本知识：

1. XX:  表示一个随机变量，如果它有有限个可能的取值{x1,x2,?,xn}{x1,x2,?,xn}.

2. p(X=xi)p(X=xi):表示变量XX的值为 xixi的概率。

3. p(?)p(?):称为概率质量函数(probability mass function).

    例如：一个家里有3个房间，机器人在各个房间的概率为 p(room)={0.1,0.3,0.6}p(room)={0.1,0.3,0.6}.

4. 如果XX在连续空间取值，p(x)p(x)称为概率密度函数(probability density function)，

延伸阅读

• ssh框架 2016-09-30
• 阿里移动安全 [无线安全]玩转无线电——不安全的蓝牙锁 2017-07-26
• 消息队列NetMQ 原理分析4-Socket、Session、Option和Pipe 2024-03-26
• Selective Search for Object Recognition 论文笔记【图片目标分割】 2017-07-26
• 词向量-LRWE模型-更好地识别反义词同义词 2017-07-26
• 从栈不平衡问题 理解 calling convention 2017-07-26
• php imagemagick 处理 图片剪切、压缩、合并、插入文本、背景色透明 2017-07-26
• Swift实现JSON转Model - HandyJSON使用讲解 2017-07-26
• 阿里移动安全 Android端恶意锁屏勒索应用分析 2017-07-26
• 集合结合数据结构来看看(二) 2017-07-26

学习是年轻人改变自己的最好方式