2022-08概率论习题
这篇笔记比想象中要短很多,可能是因为8月的学习过程中实际题目太少,公式推导太多,主要精力都去对付bayesian filtering、HMM的公式推导了。
先post出来吧,以后看情况增加新题目。
这篇笔记比想象中要短很多,可能是因为8月的学习过程中实际题目太少,公式推导太多,主要精力都去对付bayesian filtering、HMM的公式推导了。
先post出来吧,以后看情况增加新题目。
今天从哪里开始?
(继续2022-08-29的内容)推导:连续时间周期信号的傅里叶级数
笔记1
笔记2:内积、共轭、正交
重要结论
笔记3:一些对空间映射的思考
一些例题
一些零散的结尾内容
补充:傅里叶级数所在的空间是否为希尔伯特空间?
今天从哪里开始?
连续时间LTI系统的卷积积分
例题
LTI系统的一些性质
补充:卷积的2种写法(交换律)
周期信号的傅里叶级数表示
傅里叶级数到底是什么?
为什么要把信号分解为傅里叶级数?
例题
连续时间周期信号的傅里叶级数表示
今天从哪里开始?
冲激响应 / 脉冲 / 单位阶跃
信号系统的一些基本分类与性质(主要为了介绍LTI系统)
LTI系统、脉冲、卷积
本笔记的基本内容
今天从哪里开始?
NTU公开课:李琳山 信号与系统
目录
P2
P3
暂停
奥本海姆 信号与系统
连续信号的几种表示方法
离散信号的几种表示方法
复指数周期信号:离散和连续的对比
信号的振荡程度
离散信号的周期判断
小结
例题
后续内容
今天从哪里开始?
先把欧拉公式写在最前面
复数与极坐标
参考资料
复数与极坐标的最基础知识
欧拉公式
引导资料
欧拉公式的推导(不使用泰勒展开)
复数波与实数波
部分杂乱的~jos博客笔记
接下来学什么?
补充一些复数小知识
补充1
补充2
补充3
补充4
一些零散内容,主要内容是:贝叶斯网络的推导。
参数估计与抽样方法
与另一篇笔记的关系
今天从哪里开始?
参数估计、点估计、最大似然估计、极大似然估计、矩阵估量、矩估量…的关系
点估计、矩估计、最大似然估计的一些例题推导
Bayesian Inference和抽样方法建立联系
弦乐器频谱采集符合GMM模型吗?
很短且几乎没有实质内容的笔记,主要收集一些关于music scroe tracking的ideas.
WordPress数据库wp_posts爆炸
python阶乘(scalar)
Latex数学符号对应表
inter-onset-interval, IOI
论文阅读:Music Plus One and Machine Learning(只有一小部分)
二项分布相关的基础知识
多项式系数有关的概率推导
参考资料
发神经
遗留的2个思考题(解决了一个)
接下来的内容
我也不知道这是什么
列举了本站对原生Wordpress进行的一些改动。
本篇笔记的主要内容
Geometric Series, Geometric Distributions (等比级数 / 几何级数)
微积分Lim x->0 [log(1+ax)+log(1+bx)]/x
(几乎没有学进去)继续在kalmanfilter.net上面学习kalman filter
再次总结kalman filter的5个基本公式
从另一个角度简单理解kalman filter
今天从哪里开始?
学习kalmanfilter.net
alpha-beta-gamma滤波器
kalman filter的5个基本方程
kalman filter总流程
kalman filter的停止条件
杂乱的内容:kalman gain的直观解释, lag error
协方差、协方差矩阵的计算(附带例题)
本篇笔记主要跟随 Bilibili: 徐亦达机器学习 学习了Kalman Filter的入门知识,但并没有把6P视频完全看完看懂,因为涉及到了不会推导的矩阵运算内容。
在笔记的最后部分试图总结Bayesian Filtering与Kalman Filter的不同。
目录:
今日总结
设置expose_php=ON会影响FastCGI的缓存文件大小
今日学习资料
Stochastic differential equation—SDE
Kalman Filter—B站徐亦达机器学习
入门部分
一个比较难以理解的内容
矩阵A到底是什么?
用通俗的语言描述Kalman Filter的状态转移流程
例题:小车匀加速
遗留的未解决问题(这个例题最后得出了什么有用的结论?)
继续学习了一点点内容
深夜回顾:Kalman Filter和Bayesian Filtering到底有什么区别?
从Edge换回Chrome
今天从哪里开始?Bayesian Filtering
Filtering, smoothing and prediction
和已学过的马尔可夫家族成员的联系
Parameters of interest / nuisance parameter
Bayesian filtering
Bayesian filtering的prior和posterior
(补充)Bayesian Filtering到kalman filter过渡的关键公式
试图过渡到Kalman,但没有完成