关于曲面反射的贝叶斯推论
计算机视觉与模式识别
2015-06-25 v1 数据结构与算法
机器学习
概率论
适应与自组织系统
数据分析、统计与概率
摘要
本文的主题是一种新颖的贝叶斯连续基场表示和推理框架。本文解决了几个问题:连续基场的最大信息推理，即基场本身是连续对象且不能以有限方式表示;在信息学习的表示精度与内存或存储容量(位数)之间的权衡;如何近似概率分布，以保留关于被推理对象的最大信息;多网格方法的信息论依据。完全概括地描述了最大信息基场推理框架，称为广义卡尔曼滤波器。广义卡尔曼滤波器允许从以任何尺度的先前知识和新数据更新到以任何其他尺度的新知识。本文提出了一个应用实例，从测量(例如，相机图像数据)推断连续曲面。
引用
@article{arxiv.cs/0005027,
title = {A Bayesian Reflection on Surfaces},
author = {David R. Wolf},
journal= {arXiv preprint arXiv:cs/0005027},
year = {2015}
}
备注
34 pages, 1 figure, abbreviated versions presented: Bayesian Statistics, Valencia, Spain, 1998; Maximum Entropy and Bayesian Methods, Garching, Germany, 1998