Stap 1: Repareren het Filter
Twee jaar geleden die kreeg ik als consultant ingehuurd door Boeing met de functieomschrijving van ervoor te zorgen dat alles werkte. Op mijn eerste dag op de baan lees ik dat sommige documentatie die zei het systeem gebruikt "Kalman filter." Hij zei ook dat het gebruikt "deeltjesfysica?" Nou, ik weet niet veel over deeltjesfysica, maar ik ken mijn Kalman-filtering. Later die dag vroeg ik mijn manager als hij me kon vertellen hoe het Kalman-filter is geïmplementeerd. Hij vertelde me dat ik mezelf alleen met "intelligente" vragen bezighouden moet. Ik wist dat recht toen en daar dat het systeem zou een volledig en volslagen mislukking. Ik was loslaten na 30 dagen voor "incompetentie."
Een van de grootste klachten over de Boeing-systeem is dat het voortdurend valse alarmen geeft. Nou, een ding die een Kalman-filter is goed voor is het wegwerken van valse alarmen. Een Kalman-filter is een algoritme van de software die wordt gebruikt voor allerlei dingen. Meestal wordt het gebruikt voor oriëntatie en navigatie, maar het kan worden gebruikt voor alles van economische projecties naar groei bevolkingsonderzoeken.
Het Kalman-filter is mijn favoriete filter in de wereld. Als u liep naar me in een bar en vroeg wat mijn favoriete filter was, zou ik zeggen de Kalman, veruit. Één reden, dat het is mijn favoriet is omdat, als u de beschrijving op Wikipedia lezen, het ziet als een grote lelijke haarbal van wiskundige vergelijkingen eruit! Ga hier en scroll naar beneden (eigenlijk, kijk naar de schermafdruk hierboven.) Mooi, is het niet! BTW, dat is een probleem met Wikipedia. Het eindigt soms als een gigantische zandbak voor grad studenten bezig met PhD-thesissen, oftewel, in mijn bescheiden mening, waar deze beschrijving behoort, niet op Wikipedia. De gemiddelde lezer zal niet kunnen begrijpen als dat een beschrijving.
Gelukkig, als meest ingewikkelde dingen, als je het inkoken, is het net een klein beetje gezond verstand vergelijking. Het is eigenlijk alleen een gewogen filter. Bijvoorbeeld, zeggen dat u hebben een stapel van watermeloen met een bord dat zegt "10 pond watermeloenen." Nu, als u wilt schatten hoeveel elke watermeloen eigenlijk weegt, u beginnen door te zeggen dat uw eerste raming van het gewicht is 10 kg, want dat is de enige informatie die je hebt. Dit heet de voorspelling. Vervolgens je pick-up een watermeloen van de stapel en zet het op de schaal en het leest 9 pond. Maar de schaal zegt is juist naar plus of min 5%, zin 95% accuraat. Dus u kan slechts met zekerheid zeggen dat de watermeloen ten minste weegt 9 *.95 = 8.55 lbs. Ter verantwoording voor de overige 5%, u neemt de eerdere schatting, uw eerste raming, tijden 5%, en voeg dat aan de tussentijdse raming die 10 lbs * 05 = 0,5 levert. Dan is uw totale nieuwe schatting, genaamd de update, 8.55 + 0,5 = 9.05 pond. En je gewoon blijven doen dat voor elke watermeloen, resulterend in een recursief schatting gefilterd. Met betrekking tot de covariantie-matrix, die is voor dingen die een kleine side effect hebben op het systeem, zoals als zeer hoge luchtvochtigheid zorgt ervoor dat de watermeloenen een klein beetje zwaarder, in welk geval u vochtigheid zou toevoegen aan de matrix COVARIANTIE.
Met de Boeing-systeem was een specifieke klacht dat op winderige dagen, zou er nog meer valse alarmen te wijten aan dingen zoals takken zwaaiend in de wind, en niet te vergeten tumbleweeds rollen door. Om te corrigeren voor dit, zou één item voor de covariantie matrix huidige windomstandigheden. Misschien is zelfs gebruik "tumbleweed erkenning," die, door de manier is hele haalbaar gezien het feit dat de manier waarop ik patroonherkenning door mijn ogen sluiten en visualiseren van de videogegevens (de enen en nullen) en "zien" wat tumbleweeds eruit na verloop van tijd als enen en nullen. Voor een ding zijn ze bijna perfect ronde. En ze bewegen snel, ongeveer net zo snel als de wind, die ik al weet omdat het in mijn Kalman-filter. Bent u begint om te zien hoe de mogelijkheid om eenvoudig gezond verstand injecteren de Kalman-filter is wat maakt de Kalman-filter zo welsprekend, en nuttig? Meer details over die in de volgende sectie.
