Please use the form below to provide your feedback. Because your feedback is valuable to us, the information you submit in this form is recorded in our issue tracking system (JIRA), which is publicly available. You can track the status of your feedback using the ticket number displayed in the dialog once you submit the form.

第 14 章 时间上的概率推理 (Probabilistic Reasoning over Time)

      +
      本章主旨

      本章是 AIMA 4e 的"时间上的概率推理"——HMM / 卡尔曼滤波 / 动态贝叶斯。理解后才能掌握 AI 各子领域。

      一、核心概念

      本章围绕 3 个核心概念展开：

      概念 定义 + 重要性 实现提示

      时序模型

      马尔可夫链

      §14.1

      HMM

      前向 / 后向 / Viterbi

      §14.2

      卡尔曼滤波

      连续状态

      §14.3-14.4

      二、本章要点

      • 过逻辑公式来表示的。这些方法从哪些世界状态 是可能的 角度来定义信念状态，但它无法说

      • 统计学家安德雷 ·马尔可夫（1856—1922 ）最早对满足这一假设的过程进行了深入研究，因

      • 就是说，我们希望对一些满足0 ≤ k t 的 k 计算 P(Xk | e1:t)。在雨伞示例中，它可能意味

      学习建议

      • AIMA 4e 是 AI 标准教材——每章配套习题巩固理解。

      • 实现关键算法（搜索 / CSP / 逻辑 / 概率 / 学习）才能真正掌握。

      • 与机器学习 / 深度学习课程结合；现代 LLM / Diffusion 改变 AI 格局。

      三、关键图表

      视觉图表

      图 {ch_num}-1
      Figure 1. 图 {ch_num}-1：{zh}总览

      四、思维导图

      mindmap
  root((第 {ch_num} 章 {zh}))
    时序模型
    HMM
    卡尔曼滤波

      五、重点与易错点

      • HMM / 卡尔曼滤波 / 动态贝叶斯。

      • 配套习题：原书第 {ch_num} 章末尾。

      • 实现建议：用 Python / AIMA 代码库 (aima.cs.berkeley.edu) 实践关键算法。

      • 跨章衔接：第 13 章上下文；AI 各子领域互为基础。