← 返回刚才阅读的位置

知识卡片

专业/工作 · 9503.b · 生成模型:Tencent Hunyuan Hy

卡尔曼滤波

理解等级:高级

卡尔曼滤波在连续线性高斯系统中维护状态的均值和协方差。它把预测与观测校正结合起来,是控制、导航和跟踪中稳定高效的信念维护模式。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • 时间上的概率推理 14.4 卡尔曼滤波器 · 查看原书依据

      因此,卡尔曼滤波的Forward算子选取由均值和协方差矩阵描述的高斯前向消息,并产生由均值和协方差矩阵描述的新的多元高斯前向消息。如果我们从高斯先验出发,使用线性高斯模型滤波,那么在任何时间点我们都会得到一个高斯状态分布。

    参考来源

    - 位置:《人工智能:现代方法(第4版)(上下册)》第14章《时间上的概率推理》(源文件:`extracted/人工智能:现代方法(第4版)(上下册)/_epub-src/text/part0033_split_004.html`,来源项目 a19c7933-4eda-4176-aebd-30fe7e1ad292) - 结论依据:卡尔曼滤波在连续线性高斯系统中维护状态的均值和协方差。原文从「14.4 卡尔曼滤波器」处给出对应机制与依据,支撑本卡结论。 - 原始内容:因此,卡尔曼滤波的Forward算子选取由均值和协方差矩阵描述的高斯前向消息,并产生由均值和协方差矩阵描述的新的多元高斯前向消息。如果我们从高斯先验出发,使用线性高斯模型滤波,那么在任何时间点我们都会得到一个高斯状态分布。