NCU_wander的博客

在阅读高翔博士的slam十四讲的过程中，有关于求解观测与估计值的最大似然问题引起了我比较好的好奇，并且顺着这个问题了解了自己之前一直困惑的梯度下降问题以及高斯牛顿方法，在此进行总结。1、前序1.1 贝叶斯公式首先问题是由作者根据贝叶斯法则将后验分布经过变换转为最大似然问题来解决的，直接求后验分布是困难的，但是求一个状态最优估计，是的在该状态下后验概率最大化，则是可行的。p(x,y | z,u) = p(z,u | x,y) * p(x,y) / p(z,u)p(z,u | x,y) :最大似然

动态规划的相关知识自己总是处于较为懵懂的阶段，可以说一直处于在不求甚解的阶段；难以下手，在知乎上面看到一篇比较好的回答，在此拾人牙慧对其进行总结。首先动态规划自我感觉是比较考验个人逻辑思维的，需要找到不同步骤之间的逻辑联系以及采用合适的方式来表达对应的逻辑关系，以下内容基本来自知乎：怎样学好动态规划动态规划，就是利用历史记录，来避免我们的重复计算。而这些历史记录，我们得需要一些变量来保存，一般是用一维数组或者二维数组来保存。下面我们先来讲下做动态规划题很重要的三个步骤：一般来说动态规划题目都需要借助于