本文介绍了线性动态系统（LDS），也称为卡尔曼滤波，它是概率图模型在时间维度上的扩展，特别是在隐状态为连续时的应用。LDS的参数包括线性动态和噪声分布，滤波问题通过prediction和update两个步骤来解决。通过预测和更新递归公式，可以对每个时间步的滤波问题进行求解。
1.概率图模型加上时间维度，变成动态系统
2.HMM是一个典型的动态系统，它的隐状态是离散的
3.线性动态系统（LDS）是隐变量为连续时的动态系统
4.LDS又称卡尔曼滤波，它更关心滤波问题
5.利用递归公式可以求解滤波问题，分两步走：prediction和update
我们知道，概率图模型加上时间维度，就成为了动态系统（Dynamic Model）。隐马尔科夫模型（HMM）就是一个典型的动态系统。
HMM的隐状态是离散的，如果隐状态是连续的，那么就延伸出了线性动态系统（Linear Dynamic System），又称卡尔曼滤波（kalman Filter&#x
最低0.47元/天 解锁文章
扫一扫
4053
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
