<strong>1. 背景：</strong>

1801年，意大利天文学家朱赛普·皮亚齐发现了第一颗小行星谷神星。经过40天的跟踪观测后，由于谷神星运行至太阳背后，使得皮亚齐失去了谷神星的位置。随后全世界的科学家利用皮亚齐的观测数据开始寻找谷神星，但是根据大多数人计算的结果来寻找谷神星都没有结果。时年24岁的高斯也计算了谷神星的轨道。奥地利天文学家海因里希·奥伯斯根据高斯计算出来的轨道重新发现了谷神星。

高斯使用的最小二乘法的方法发表于1809年他的著作《天体运动论》中，而法国科学家勒让德于1806年独立发现“最小二乘法”，但因不为世人所知而默默无闻。两人曾为谁最早创立最小二乘法原理发生争执。

1829年，高斯提供了最小二乘法的优化效果强于其他方法的证明，见高斯-马尔可夫定理。

<font size="3"><strong>0、思想：</strong></font>

对于给定的待分类项x，通过学习到的模型计算后验概率分布，即：在此项出现的条件下各个目标类别出现的概率，将后验概率最大的类作为x所属的类别。后验概率根据贝叶斯定理计算。

关键：为避免贝叶斯定理求解时面临的组合爆炸、样本稀疏问题，引入了条件独立性假设。用于分类的特征在类确定的条件下都是条件独立的。

<font size="3"><strong>1、朴素贝叶斯朴素在哪里？</strong></font>

虽然跟得太紧或是刹车太晚等驾驶行为很容易处理，但是预测其他驾驶员行为以及处理复杂的交叉路口情况只能依赖有经验的驾驶员。自动驾驶汽车（AV）就像新手驾驶员，只是其拥有发展得更好的大脑以及价值数十亿美元的技术，可帮助缩短学习时间。但是即使使用其所有的传感器和软件，自动驾驶汽车在可以完全自信且有能力驾驶之前，仍有需要克服的缺陷。

在自动驾驶车辆竞争中，有几项不太引人注目的技术趋势正在突起，以帮助真正的自动驾驶车辆成为现实。

<strong>教会自动驾驶车辆有关道路规则技术</strong>

人类驾驶员必须学习驾驶员手册，了解停车标志和让路标志的区别，同样地，自动驾驶车辆也需要通过人工智能（AI）学习道路规则。此外，自动驾驶车辆还需要通过在路上花费数小时来获取有关真实世界的体验。

物联网(IOT)是一项科技革命，目标在于将短距离移动资料收发器嵌入到日常生活中的小工具或事物中，为信息通讯的技术领域带来新的发展面向。

<font size="3"><strong>Frost & Sullivan的研究报告提出物联网的八大发展趋势：</strong></font>

<strong>一、物联网将演变为认知工具</strong>

2017年物联网的发展将从IoT 0.0版的连接装置演变成IoT 2.0版的使用认知运算(cognitive computing)及预测运算(predictive computing)。

Gartner公司昨天列出了企业组织在2019年需要探究的几大战略性技术趋势。分析师在Gartner研讨会/ ITxpo大会期间介绍了他们的调查结果。

某种程度上，下一阶段的全球市场竞争或将是“得电池者得天下”的局面。至少在未来汽车工业的发展轨迹来看，这将是大概率事件。因而，无论是汽车生产商还是电池供应商，都十分紧张各自的电池产业布局。

雷诺日产三菱CEO卡洛斯·戈恩（Carlos Ghosn）在上周日（10月14日）刚刚结束的巴黎车展上表示，除非行业能建立自己的电池产能，否则就不可能获得持续的繁荣。

电动汽车来了。目前，全世界有约250万辆电动汽车在使用中。国际能源署(IEA)预计，到2025年，鉴于传统内燃机汽车的使用受到监管以及电池费用下降可能促使未来全球电动汽车出现强劲增长，电动汽车数量将上升到4000万至7000万辆。目前几乎所有的欧洲主要汽车品牌都计划在未来18个月内大规模推广电动车，以满足2020年开始生效的更严格的二氧化碳排放标准。

本文认为，2019年智能家居的发展趋势为：①智能家具；②智能车库门；③智能卫浴技术；④智能车库门；⑤出租公寓将配备智能家居；⑥出租公寓将配备智能家居；⑦智能家居可穿戴设备。

2015年，全球智能家居市场已达485亿美元。2018年，全球智能家居市场规模预计将达到710亿美元。

在越来越注重个人体验的时代里，智能家居已经成为居家必备品，传统家居已经无法满足当代年轻人对生活品质的需求。现代科技推动时代的发展，在一定程度上改变着人类生活和消费的习惯。随着新产品的的出现，智能家居市场会出现很多新的发展趋势。

<font size="3" color="#33b1c8"><strong>趋势一：智能家具</strong></font>

电子商务巨头亚马逊（Amazon）在上周宣布推出其流媒体设备的最新版本：Fire TV Stick 4K。它的体积较小，几乎等同于U盘，能为任何带有HDMI接口的电视提供流媒体服务——只需要简单的插在电视接口上即可。这是该设备的第五次迭代，与2015版本一样，本次更新采用的也是PowerVR GPU，集成的是PowerVR GE8300 Series8XE处理器内核。

<font size="3"><strong>卷积神经网络（CNN）</strong></font>

卷积神经网络和前几次介绍的神经网络非常相似：它们都是由神经元组成，神经元中有具有学习能力的权重和偏差。每个神经元都得到一些输入数据，进行内积运算后再进行激活函数运算。整个网络依旧是一个可导的评分函数：该函数的输入是原始的图像像素，输出是不同类别的评分。在最后一层（往往是全连接层），网络依旧有一个损失函数（比如SVM或Softmax），并且在神经网络中我们实现的各种技巧和要点依旧适用于卷积神经网络。

灰度图像上每个像素的颜色值又称为灰度，指黑白图像中点的颜色深度，范围一般从0到255，白色为255，黑色为0。所谓灰度值是指色彩的浓淡程度，灰度直方图是指一幅数字图像中，对应每一个灰度值统计出具有该灰度值的象素数。

灰度就是没有色彩，RGB色彩分量全部相等。如果是一个二值灰度图象，它的象素值只能为0或1，我们说它的灰度级为2。用个例子来说明吧：一个256级灰度的图象，如果RGB三个量相同时，如：RGB(100,100,100)就代表灰度为100，RGB(50,50,50)代表灰度为50。

现在大部分的彩色图像都是采用RGB颜色模式，处理图像的时候，要分别对RGB三种分量进行处理，实际上RGB并不能反映图像的形态特征，只是从光学的原理上进行颜色的调配。