ЦОС Python #5: Фильтр Калмана дискретного времени

[@MrSkifOK]

Огромное спасибо! Этот фильтр используется для отслеживания объектов в компьютерном зрении, наконец понял как оно работает =)

[@aleksandrshugaev843]

Спасибо Вам за отличный материал! Понимаю, что это в физическом смысле и для чего (например - радар с несколькими рабочими частотами), но с математикой пока не везде справляюсь... надо ещё раз пересмотреть, наверное 🤔

[@wugu42]

Все четко и понятно. Спасибо.

[@ТимирьянЯганшин]

Спасибо большое, удачи в будущем!

[@FeelthePowerOfWords]

Благодарю за очень понятное объяснение, подписываюсь на канал)

[@ZamoleyX]

Прекрасный материал. Спасибо Вам!

[@tamarazarizina4628]

Идеальное объяснение

[@АлександрТрубников-о3ж]

Спасибо за видео. Но не понятно откуда брать сигму? У нас же нет понимания, что в значении которое пришло с глонасса 20% - шум (прим: пришло 5, фактическое значение 3, 2 - шум). Откуда брать сигму?

[@selfedu_rus]

либо тестами (заранее), либо из документации, там это приведено

[@felikskalashnikov]

Отличное объяснение! Наглядно и понятно, прям +100500 к карме за это) Единственное, как мне показалось, не совсем верно утверждение, что если сумма а1 и а2 больше 1, то смещение будет вверх, а если меньше, то вниз. Если расписать ошибку, то там получится слагаемое x(1-(a1+a2)), а значит при сумме больше 1 мы получим отрицательное смещение, и наоборот.

[@selfedu_rus]

Спасибо! Оценка формируется как x = a1*z1+a2*z2, поэтому при a1+a2 > 1 смещение вверх, и наоборот.

[@ОлегЧекин-ф7я]

Вот это прям, норм было!

[@vladislavmolodtsov4795]

Спасибо, помогло!

[@zlowtf]

Спасибо

[@arzamas1988]

Идеальное объяснение! Я правильно понимаю, этот фильтр относится к БИХ фильтрам?

[@selfedu_rus]

совершенно верно!

[@calmsam2217]

@@selfedu_rus Спасибо за отличный материал, жаль что не во всех видео есть код, а также очень жаль, что по ЦОС'у всего 10 выпусков((((, снимайте ещё пожалуйста, там же столько интересного.

[@jamjam3337]

😎

[@impellergimpeller5133]

👍👍👍👍👍

[@ArtemMELNYK]

Даёте ли вы частные уроки?

[@selfedu_rus]

Нет, мне в универе хватает занятий ))

[@artashesmkhitaryan3482]

Благодарю за ясное объяснения и просьба укажите некоторые Понятные книги или статьи по этой теме, может и на английском,заранее спасибо!

[@selfedu_rus]

Я это все изучал в начале 2000-х В частности, по фильтру Калмана нам лекции читал мой научный руководитель, от него и материал, т.е. авторский, в книгах такого не видел.

[@pvhnexsys]

не совсем понятно - утверждается , что первое наблюдение имеет больший вес, а на весах второе наблюдение перевешивает

[@selfedu_rus]

рисунок - просто иллюстрация принципа построения оценки, к примеру прямого отношения не имеет

[@Hodakovi]

Может не новые наблюдения, а новые источники одной и той же информации?

[@selfedu_rus]

в каком месте это?

[@Hodakovi]

@@selfedu_rus 15:20 или под наблюдением понимается получение информации из нового источника?

[@selfedu_rus]

@@Hodakovi это именно наблюдение с одного из двух источников, т.к. источники постоянно их генерируют и мы последовательно принимаем z1, z2, z3, z4, ... или с GPS или с ГЛОНАСС (в уроке). Фильтру Калмана без разницы откуда оно пришло, главное знать сигму шума в наблюдении и все.

[@Hodakovi]

@@selfedu_rus То есть по сути в следующий цикл фильтра мы можем взять очередное значение той же случайной величины с которой было взято первое значение?

[@selfedu_rus]

@@Hodakovi да, только следующее наблюдение должно быть именно следующим, а не тем же самым, т.е. шумовая составляющая должна меняться и это будет улучшать оценку

[@evgeniivol8369]

Начиная с 8:00 вместо матожидания как будто бы считают ковариацию

[@selfedu_rus]

эти формулы тысячу раз проверены и реализованы - не сомневайтесь! )

[@crisp7075]

у меня крыша поехала почти, надеюсь это связано только с 3ч сном

[@mishgunplay6783]

Сначала не понял, а потом как понял...

[@evgzhu8558]

5+

[@Hodakovi]

С 12 минуты не потянул :((

[@flexionar_de8845]

усложнили итак не понятную хрень. к фильтру калмана оно имеет не много общего и будет не понятно, когда люди увидят настоящую формулу

[@DenIndustries]

Спасибо