記事のディレクトリ
「我々は愚かしているではないので、いくつかのアルゴリズムは非常に複雑で困難なようで何回も、理解する。しかし、我々は他の誰かが、多くのステップを省略しており、多くの心は省略し、最後に示す式とテキストのアイデアについて考え見るので。 。そしてそれは良いのブログは「思考プロセスを復元しようとすべきであるとの工程が省略されている-シナンの畜産@
元のリンクをします。https：//blog.csdn.net/varyshare/article/details/97642209
カルマン（カルマンフィルタ）、粒子フィルタ（粒子フィルタ）、隠れマルコフモデル（隠れマルコフモデル）、ダイナミックベイジアンネットワークをフィルタリングするように（動的ベイジアンネットワーク）アルゴリズム等が挙げられます。これらのアルゴリズムは、ベイジアンフィルタリングアルゴリズムの具体的な実現している。だから、簡単に他のAの多くを学ぶために、ベイジアンフィルタリングアルゴリズムを学びます。注：ベイジアンフィルタリングは唯一のアイデアを提供し、カルマン・フィルタのこのアイデアは、1の実現です。
ベイジアンフィルタリングアルゴリズムを使用何最終的に概念の束縛を破るには？
学ぶための最も厄介な事は、アルゴリズムの詳細の半分を見て、自分自身がまだこのアルゴリズムを使用して、どのように達成するかわからなかった発見されました。今日ベイズのブロガーがコンセプトでの障壁を打破するために開始します。だけで簡単に学習ベイズアルゴリズムをフィルタリングし、独自のプロジェクトで使用することができます。
ベイジアンフィルタリングアルゴリズムは、それが計算確率に情報を既存に基づいて仕事をします。例えば、私が思うに、ベイジアンがするアルゴリズムをフィルタリングしている識別個々の性別が女性ではないことを、いくつかの情報によれば、P（メス）である確率女性を計算することです。新しい確率の計算に関する新たな情報を。。
あなたはこの次の例を参照するには、この文を理解していない場合、あなたは理解するだろう。ベイジアンフィルタリングアルゴリズムを使用すると、人の分析に入力した情報に基づいており、今ならば、男性または女性です。ベイジアンフィルタリングアルゴリズムは、人を判断するために入手可能な情報に基づき算出される最終的な出力は、男性の確率は女性の確率どのくらいでどのくらいの、です。次に、あなたのアルゴリズムは、出力結果は、大きな可能性を選択します。（例えば、「長い髪を持つ男」など）に来る新しい情報があれば、この人が男性である確率を再計算するベイズアルゴリズムがどのくらいある、女性の確率はどのくらいです。。
そのことを具体的にどのようにそれを行うには？
ときに何をベイジアンフィルタリングアルゴリズムに情報を提供していない、とあなたは、人の性別が女性である確率であることをベイズアルゴリズムをお願いします。ベイジアンフィルタリングアルゴリズムは、P（F）が0.5を=ことを教えてくれます。注：この式のP（F）= 0.5の意味がされ、我々は性別を決定することができない今、P（F）= P（M）= 0.5「で入手可能な情報に基づいて、その人は女性の確率は0.5です」。この値は「0.5」は、我々は一般的に、初期値を設定し、あなたがアルゴリズムをフィルタリングベイジアンスパムと識別したい場合は（あなたの統計の経験を設定する必要があり、それはスパム確率がこれを持っていないです0.5を占めますがスパムで受信メールをカウントする必要があります。すべてのスパムはまだ少数派になった後、大きなので、その後、アルゴリズムの初期値として。アルゴリズムの場合上の任意の情報が存在しない場合に迅速な出力電流のメッセージがスパムであることができるように確率）。
その後、ジェンダー問題という認識に戻って。
人は長い髪を持っていることをあなたはアルゴリズムを伝えるときは、性別のアルゴリズムこの人は今の確率女性がある尋ねます。ベイジアンフィルタリングアルゴリズム計算知識の確率確率論条件に応じて、「長い髪のコンディションとノウハウの誰かでは、セックスは、この男の女P（F）という= 0.87確率です」。話すのカウント方法を最終的にはその背後にある記事に関しては。今、あなただけのアルゴリズムの直感的な理解を持っている必要があります。それは「長い髪」このメッセージの確率に応じて更新される理由を私は知っていますか？これは、アルゴリズムは、我々はそれを伝えるために必要があるため、「（これは事前知識と呼ばれる）長い髪を持つ女性の割合が非常にある」、である、P（F）= 0.87これは、我々が統計情報を取得するために通過する必要のあるデータです。
あなたはこのアルゴリズムの口紅を使用する人々に伝える、その後、あなたは性別アルゴリズムの人に尋ねるとき確率女性は今どのくらいですか？ベイジアンフィルタリングアルゴリズム確率論条件の確率的知識に基づいて、あなたはそれを伝える必要があり、この人は女性P（F）= 0.91であることを、現在の確率を更新するために、「女性の割合は、口紅を使用する多くの一つです」。
これらは、仕事をするためのベイズアルゴリズムです。今、私はあなたがすでにベイジアンフィルタリングアルゴリズムを直感的に理解している答えをしたいと思います。私は仕事をするために、アルゴリズムをフィルタリングベイズを要約したものです。それが行わすでに知られている、いくつかの統計常に新しい情報を受信し、私は常に確率を更新することを申し出に応じて。確率論の確率値を更新する方法は、更新する条件付き確率の計算式に基づいています。ベイジアンフィルタリングアルゴリズムの結果は、使用は、それが何であるかの確率値を計算するには？
例えば、私はそれを認識したい、私は誰かが、女性ではありません提供し、いくつかの情報によると、それはこの1つはP（メス）である確率女性を計算しなければならない。私はそれは、レーダー判定ロボットに及ぶ障害物からの距離に応じてということにしたい場合それは離れてロボットのような障害物10センチの確率を計算するために、距離値の障害物（レーダ測定は誤差が存在するので、なぜの確率を計算する）から各ロボットの確率を計算しなければならない離れる障害から0.87、11センチメートル確率であります確率は遠く離れて障害物9センチメートル0.01からで、0.21です。それから私は、障害物の距離からロボットが10センチメートルだと思います。
新しいベイジアンフィルタリングアルゴリズムではどのように確率を受信した情報を更新するには？
前の例を使用すると、性別の例を識別するための既存の情報に基づいています。私たちは今、行う必要があり、ベイジアンフィルタリングアルゴリズムが現在の確率女性P（メス）が誰であるかを判断するために、現在の情報に基づいて、それを計算され、人は女性であるかどうかを識別します。
：我々はすでに事前知識が（これらのデータは、当社の統計にあり、プロジェクトの事前知識は、いくつかのモデルを得るために、いくつかの統計を必要としているように、それが正規分布であると仮定すると、必要とされている、など）を知っている
いずれかの不存在下で情報の初期値：P（F）= 0.5は、
0.8：より女性の長い髪を残しました。
0.9：これらの女性の割合は、口紅を使用します
だから、任意の付加的な情報なしに、現在のベイジアンフィルタリングは、この1つは女性P（F）= 0.5の確率だと思う
現在の長い髪が、この情報に残っていることを新しい人に知っているが、どのように確率値を更新する場合は？
女性は長い髪の条件の下で今、この男を知っている確率こと、この表現手段|このとき、現在の確率は、この1は女性であるので、P（長い髪F）を表現するために。
この値は0.8である「女性は長い髪、と左占め間で」私たちは事前の知識を知っているという事実です。私は長い髪の中で、女性の割合は、人々に残されていると言うならば、あなたは知らないのか？この手段は、我々はP（|長い髪F）を解決するための知識の面で確率論確率を使用する必要があります。（あなたは条件付き確率が不明であるか尋ねる場合、確率論の前の記事のレビューを参照することができます）。
確率論によると、私たちは知っていることを
、我々はP（|長い髪F）を見つけるには二つの方法があります。
あなたが方法によって解決されるものの事前知識を知られている、ベイジアンフィルタは、通常、
この方法で解決しました。より容易に入手できるこの式では、この方法は実用的なアプリケーションシナリオの事前知識を必要とするからです。どのように|あなただけの式で確率値の事前知識を知って、その後、P（長い髪F）を決定することを求めることができるかを検討する必要があるときに実際には、ベイジアンフィルタリングアルゴリズムを実現します。
ロボットの状態推定ベイジアンフィルタリング
あなたは状態推定し、学ぶベイジアンフィルタ用ロボットであれば読みを歓迎します。あなたはちょうどあなたが学んだことをベイジアンフィルタを行う方法を学習したい場合は、現在のページを残し、この式典の後に親指を完了することができます。なぜ私はロボットの状態推定ベイズは、下のフィルタリングについて話し続けるのですか？詳細および仮定の多くでは省略されるロボットベイズ推定フィルタの状態ので。私はこれらの詳細および仮定の削減を省略してみたいと思います。
ロボットの状態推定は、最終的には何ですか？
