将人工智能引入卡爾曼濾波器中解決含有複雜噪聲的不确定系統的估計問題（總）

       先介紹一下自己，本人是一枚自動化專業研究所學生，主要是做估計的，在讀研究所學生一年半的時間裡，有幸發以一作發表了6篇英文論文以及3項發明專利，其中也包括SCI一區的論文，如今馬上要去攻讀博士，利用這個間隙，歸納總結一下自己的成果和想法，希望和大家分享一下自己的不成熟的想法和一些成果，全是幹貨，很多都是自己實際接觸過的項目，希望有朋友能夠提出問題，我會提供大部分程式和資料，希望和大家交流分享，因為很少寫中文，文筆很差，希望大家見諒，非常感謝~

       先介紹一下自己的想法。人工智能的出現，極大的沖擊了傳統的解決問題的方法即：數學模組化+估計算法的模式，人們不用在去花時間去建立數學模型，推演算法，而是利用大量的資料，由計算機自己建構複雜的網絡最後給出結果，很多傳統算法難以解決的複雜問題也是以迎刃而解。

       但是，我們應該慢慢舍棄傳統的方法麼，我并不這麼認為，傳統的算法有着自己的優點，其可觀性、可控性、即時性以及準确性等等是現如今很多人工智能算法很難達到的，我更傾向于将二者結合起來，将諸如深度學習等現代人工智能算法去其糟粕，取其精華，融入到傳統算法中去，在這裡，我給自己挖一個坑，慢慢的在我的部落格中分享一些我的想法以及成果。

       要想将二者結合，需要紮實的數學基礎和理論知識，以我的這一點點知識，無法做到諸如很多大牛想的那樣大一統，我隻是由一個點入手，即卡爾曼濾波器入手。為了讨論融合人工智能算法的必要性，我認為必須先将傳統的卡爾曼濾波器的方法做到一定的高度，才能由其他的角度去尋求突破。是以首先，我先從傳統的算法開始介紹起，在讨論我在将其運用到實際應用中所遇到的問題和困惑，慢慢的改進算法，改進模型。是以，在接下來的一章中，我會介紹如何從模組化的角度去改進卡爾曼濾波器，在我看來，這個非常的有用，因為，它可以讓我深入了解卡爾曼濾波器的相關算法，和後面我想做的也是緊密相連的。