Frankgoogle的博客

背景隐马尔可夫模型(Hidden Markov Model)是一种常用的统计模型。应用也比较广泛，在时序问题，以及语音识别等问题上有广泛的应用。下面简单介绍一下隐马尔可夫模型。隐马尔可夫模型是在马尔可夫过程的基础上，加入了隐含状态后的一种结构。这里首先介绍一下什么是马尔可夫过程(Markov Process)在一个随机过程中，有一个状态变量III，其下一时刻的状态之和之前的状态有关。例如布朗...

Wiener Filter因为最近看文章接触了维纳滤波，所以这里写一下Weiner Filter的一些简单理解和推导。基本定义维纳滤波是一种在含噪声的时序信号把信号提取出来的滤波器，其基本框图如下：简单的维纳滤波其实就是通过一个FIR滤波器，去除噪声的过程。在这里，hhh的作用也可以理解为： 通过训练集的数据对信号和噪声的建模，然后通过前几个点的信息，预测当前时刻的噪声信号所占的比例，然...

这篇Blog的主要内容是关于梯度下降法的一些理解，以及相关的公式推导。梯度下降法很早之前就接触过，但是因为长时间不用，所以理解上也有了一些欠缺，今天看了一些参考文献，写一下自己的一些理解。便于以后帮助自己回忆。Artificial Neural Network关于人工神经网络，这是目前使用最广泛的一类算法了。神经网络和其他的算法相比较，计算更加直接。不需要去推导公式，去计算两者的关系，直接通过...

最近读了一篇文献，里面用到了无迹卡尔曼滤波(Unscented Kalman Filter)。这里写一下我对这种方法的理解。卡尔曼滤波的理解部分可以参考我之前的文章。我的一点点理解无迹卡尔曼滤波是对卡尔曼滤波的一种改进。这种改进主要是针对非线性的信号。因为在卡尔曼滤波中，预测模型以及测量空间对应的转换矩阵都是都是线性转换。但是在面对非线性信号时，会出现无法拟合的情况。所以就有了无迹卡尔曼滤波。...

背景Population Vector Algorithm(PVA)是运动神经解码领域很常见的一种解码方法。主要是基于运动神经学领域的一个发现：神经元的发放率和当前的运动方向之间存在余弦调制的关系，即tuning curve[1]。基于这一简单的线性关系，于是有了PVA算法。算法推导：信号预处理 这里的算法推导主要针对神经元集群解码，因为PVA的主要应用还是在神经元解码中 首先，采集到的...

Kalman Filter本文简单介绍了卡尔曼滤波(Kalman Filter)的基本原理以及我对卡尔曼滤波的一些理解。首先谈一下我的一点点理解卡尔曼滤波是目前应用很广泛的一种滤波方法，最早由Kalman老先生在1960年提出，网上可以找到原文。这种方法最开始用在航天领域，作为轨道矫正的一种方法，有很好的效果。卡尔曼滤波的方法的核心思想，就是用另一个测量空间的观测值去纠正当前空间对被测量的...