Return to Video

cs373_unit2_15_q_Shifting-the-Mean

  • 0:00 - 0:05
    En filtros de Kalman iteramos entre medición y movimiento.
  • 0:05 - 0:08
    Esto a menudo se llama "actualización de la medida",
  • 0:08 - 0:10
    y esto a menudo se llama "predicción".
  • 0:10 - 0:17
    Y esta actualización va a utilizar la regla de Bayes, que no es otra cosa que un producto o una multiplicación.
  • 0:17 - 0:24
    Y esta actualización usará la probabilidad total, que es la convolución,
  • 0:24 - 0:27
    o simplemente una suma.
  • 0:27 - 0:35
    Hablemos primero sobre el ciclo de medición y el ciclo predicción,
  • 0:35 - 0:44
    utilizando nuestra gran gaussiana, para la aplicación de estos pasos.
  • 0:44 - 0:47
    Así que supongamos que usted está localizando a otro vehículo,
  • 0:47 - 0:50
    y tiene una distribución a priori que se ve de la siguiente manera.
  • 0:50 - 0:55
    Es un gaussiana muy amplia con la media aquí.
  • 0:55 - 0:58
    Y ahora, digamos que obtiene una medición que nos dice algo acerca de
  • 0:58 - 1:03
    la localización del vehículo, como esta.
  • 1:03 - 1:07
    Tiene una media por aquí llamada ν,
  • 1:07 - 1:11
    y en este ejemplo tiene una covarianza mucho menor para la medición.
  • 1:11 - 1:16
    Este es un ejemplo en el que nuestra priori era bastante incierta acerca de la localización,
  • 1:16 - 1:21
    pero la medida nos contó un poco acerca de dónde está el vehículo.
  • 1:21 - 1:23
    Así que aquí está la pregunta para ti.
  • 1:23 - 1:36
    ¿Dónde estará la nueva media de la gaussiana posterior aquí, por aquí, o aquí?
  • 1:36 - 1:39
    Marque una de las tres casillas.
Title:
cs373_unit2_15_q_Shifting-the-Mean
Description:

dummy description

more » « less
Video Language:
English
Team:
Udacity
Project:
CS373 - Artificial Intelligence
Duration:
01:39
almartinflorido added a translation

Spanish subtitles

Revisions