近似推斷：使用高斯混合模型

Approximate Inference using Simplification of Gaussian Mixture Models（GMMs）

 

 

Task：高斯混合模型的一些實際應用

好比，在交通網絡中處理行人Trancking、車輛定位

 

本文技術路線

 

 

 

小結：

 一、tracking中基於馬爾科夫Recusive和Bayes的結合，是一個亮點，儘管它的性能比不上DNN

有RNN的影子，可是與RNN不一樣的是yt是特徵輸入，Xt是location

而當下不少傳統方法和DL進行融合

又好比，最近的一篇IJCAI2019中，Deep Recurrent Quantization for Generating Sequential Binary Codes，利用RNN作梯度降低來使得K-means聚類

二、本文一個重要思想：通常的特徵工程經過對樣本的特徵標註來預測和學習，本文是經過混合高斯分佈，即樣本找機率分佈，經過幾率分佈來近似推斷。

成也蕭何敗蕭何，由於僅僅使用GMMs來建模，其泛化性能不免受損。