参数量&模型大小&理论计算量

深度学习-三维卷积神经网络（3DCNN）

1. 应用场景机器人学中有些问题是二值问题，对于这种二值问题的概率评估问题可以用二值贝叶斯滤波器binary Bayes filter来解决的。比如机器人前方有一个门，机器人想判断这个门是开是关。这个二值状态是固定的，并不会随着测量数据变量的改变而改变。就像门一样，不是开就是关。2. 公式及推导二值滤波器的目的是为了求状态xxx的概率，与其置信度是一致的，即置信度越高，概率也越高。置信度与概率的结