Lecture 5: Bayesian filters

Teacher: Bessière Pierre

Bayesian filters

Co-recursively computed:

S: sensor / O: observation

Prediction:
P(StO0t1)=St1P(StSt1)P(St1O0t1)
Estimation:
P(StO0t)=P(OtSt)P(StO0t1)

Equivalence motrice: on apprend à écrire avec la main, puis on sait écrire avec “nimporte quelle extrémité” (ex: yeux, coudes, pieds, etc…), et notre style d’écriture reste toujours le même !

Si on présente un film à des danseurs/danseuses, leurs aires motrices sont activées !

Si on nous montre de l’écriture qu’on sait écrire (resp. qu’on ne sait pas écrire (ex: chinois, japonais)), nos aires motrices sont (resp. ne sont pas) activées.

Parole: difficile de trouver un invariant entre le signal sonore d’un homme, d’une femme, d’un enfant, etc… → Est-ce que l’invariant est dans les aires motrices ? (on s’imaginerait prononcer ces mots) ⇒ aujourd’hui, pris en compte (partiellement) dans l’état de l’art

cf. Jaynes, MacKay

Leave a comment