@ 目录 误差定义 阈值选取 误差定义 outlier、外点、野值会严重影响SLAM的精度，因此必须把它们剔除。常用的做法是，计算一个误差，当这个误差大于设定阈值的时候就认为其为外点。 就特征点法的视觉SLAM而言，一般会计算重投影误差。具体而言，记 (mathbf u)为特征点的2D位置，(overline{mathbf{u}})为由地图点投影...
在做数字图像处理的时候，特别是PCA降维的时候，很多情况下要遇到协方差矩阵，其实一直糊里糊涂的不知道到底是个什么东西， 以下是我收集的网上资料做的整理和自己的一些理解。 统计学的基本概念 学过概率统计的孩子都知道，统计里最基本的概念就是样本的均值，方差，或者再加个标准差。首先我们给你一个含有n个样本的集合，依次给出这些概念的公式描述，这些高中学过数学的孩子...
pca是一种黑箱子式的降维方式，通过映射，希望投影后的数据尽可能的分散， 因此要保证映射后的方差尽可能大，下一个映射的方向与当前映射方向正交 pca的步骤： 第一步: 首先要对当前数据(去均值)求协方差矩阵，协方差矩阵= 数据*数据的转置/(m-1) m表示的列数，对角线上表示的是方差，其他位置表示的是协方差 第二步：需要通过矩阵对角化，使得协方差为0，只...
关键词：卡尔曼滤波 线性最优估计 迭代 预测值 估计值 协方差矩阵 状态转移方程 观测方程 最小均方估计 预测+矫正 经典的卡尔曼滤波是一个迭代的线性的最优状态估计器。利用最小均方误差原理，可以保证状态值的估计是最优的。它只需要知道上次的状态估计值和当前的测量值，就可以预测到当前的最优估计值，适用于实际系统,共需5个方程既可以得到完成一次迭代。卡尔曼...
说说高斯过程回归作者介绍：新浪微博ID @妖僧老冯， 9月将赴南京大学（直博生），方向是机器学习与数据挖掘 编者：小便和作者打过几次交道，一直以为是他是已“修成正果”的某某博士，便“毕恭毕敬”地去邀请他写篇牛文。细聊之后才得知小伙子原来是90后，9月份才博士入学。这篇文章对GP进行了深度科普，数学公式是有一些的，但耐心读读，都不是问题的。高斯过程是机器学习...
定义 协方差矩阵是用来衡量一组随机变量之间的线性关系的矩阵。我们都知道，对于$n$个随机变量$X_1,X_2,...,X_n$，总体协方差矩阵定义为： $ left[ egin{matrix} D(X_1)&Cov(X_1,X_2)&dots&Cov(X_1,X_n)\ Cov(X_2,X_1)&D(X_2)&d...
CNN的权值正交性和特征正交性，在一定程度上是和特征表达的差异性存在一定联系的。 下面两篇论文，一篇是在训练中对权值添加正交正则提高训练稳定性，一篇是对特征添加正交性的损失抑制过拟合。 第一篇：Orthonormality Regularization Xie D, Xiong J, Pu S. All You Need is Beyond a G...
路径追踪技术（Path tracing，PT）已经是当下工业中离线渲染使用的主流技术，不管是商业渲染器如皮克斯的RenderMan，Solid Angle的Arnold等，还是迪士尼的in-house渲染器Hyperion以及Weta Digital的Manuka都是基于路径追踪技术。路径追踪算法非常简单，它首先将光照方程表述为面积积分的形式，然后一束光线...
产生方波 clear t=0:0.01:10; subplot(4,1,1) f1=square(t); % 产生周期为2pi的方波信号 plot(t,f1) axis([0,10,-1.2,1.2]) subplot(4,1,2) f2=square(t,30); % 产生周期为...
在深度学习中，我们通常对模型进行抽样并计算与真实样本之间的损失，来估计模型分布与真实分布之间的差异。并且损失可以定义得很简单，比如二范数即可。但是对于已知参数的两个确定分布之间的差异，我们就要通过推导的方式来计算了。 下面对已知均值与协方差矩阵的两个多维高斯分布之间的KL散度进行推导。当然，因为便于分布之间的逼近，Wasserstein dista...