- 博客(6)
- 收藏
- 关注
RSS订阅原创 基于高斯-学生t-偏斜混合分布的卡尔曼滤波
针对多类噪声混合下的单目标跟踪问题，通过引入迪利克雷随机变量，提出高斯-学生t-偏斜混合分布（Gaussian-Student’s t-Skew mixture, GSTSM）分布来模拟由多个噪声源叠加而成的混合噪声。通过引入多项式随机变量，GSTSM 分布可以用分层模型表示。分层模型随后被应用于状态空间模型，并采用变异贝叶斯（VB）方法提出了基于 GSTSM 分布的鲁棒卡尔曼滤波器（GSTSM-KF）。仿真结果表明，与基于贝塔-伯努利随机变量的卡尔曼滤波算法和卡尔曼滤波算法相比，GSTSM-KF 能有效提
2025-11-24 13:26:24
705
1
原创 别让模型从零开始！深入解析迁移学习中的“微调”技术：原理、场景与实战价值
本文将用最通俗的语言，解析微调技术的核心思想、适用场景及行业应用案例，助你理解为何“站在巨人肩膀上”才是高效AI开发的终极答案。微调不是“万能药”，但它是AI开发者应对数据荒、算力紧、落地急等问题的。——尤其是在医疗影像、工业质检等小数据场景中，理解其原理与边界，方能在大模型时代游刃有余。已成为模型训练的“黄金标准”。
2025-02-27 21:08:05
476
原创 卷积设计指南
不同的卷积核大小、步长（Stride）和填充（Padding）在卷积神经网络中具有关键作用，直接影响特征的提取能力、计算效率和模型性能。
2025-02-26 14:06:01
1154
原创 线性回归原理及两种代码实现
原理推导前提假设给定一组由输入x和输出y构成的数据集D = {(x1,y1),(x2,y2),(x3，y3),…（xmxm)},其中xi=(xi1;xi2;xi3…；xid),yi∈R。原理阐述线性回归是通过训练学习得到一个线性模型y来最大限度地根据输入x拟合输出y。即y^=wxi+b\widehat{y} = wx_{i} + by=wxi+b 确定参数w和b使得拟合值y^\widehat{y}y和真实值y的均方误差尽可能小。...
2022-02-01 14:32:28
2170
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人