推 ccyaztfe: 聲學，你們是如何跟心理學、神經科學整合？降噪耳機，最 09/25 07:32
→ ccyaztfe: 後是要拿給人來使用的，對不同的人來說，同樣的分貝，體 09/25 07:32
→ ccyaztfe: 感也會完全不同。比如20分貝對我來說剛剛好，對某甲就會 09/25 07:32
→ ccyaztfe: 太吵，而既然是要給人使用的，就不能簡單的把離群值剔除 09/25 07:32
→ ccyaztfe: ，對吧？除非你們打算放棄那個市場 09/25 07:32
※ 引述《ZMittermeyer (ZM)》之銘言
: 就是面臨外界的不確定性時，使用控制變因，主動改變環境的一種降低不確定性的手段
上面這說法比較適合更之前的歷史.
現代的工程, 傳統的實驗控制方法依然重要, 但也非常注重(特別是計算能力跟工程難度的
發達)主動對不確定性的管理.
eg 主動降噪耳機
不是控制環境- 把你關在無聲室裡
而是
1. 麥克風持續監測環境噪音
2. 算法預測聲波路徑和時間
3. 主動干預揚聲器生產精確的適應性聲波
4. 閉環回饋 系統持續調整以維持最佳降噪效果
不消除噪音源而是創造性地利用干擾的可預測性
https://www.researchbank.ac.nz/items/9af88399-b93b-4ea3-a377-13766a8a2484
文章提到的SpaceX, 也不是去控制條件, eg 火箭導航不是等天氣完美才發射,
而是
1. 多感測器- gps, imu, 天體追蹤等提供處理器需要的noise
2. Kalman filter- 包括最優估計理論, 處理感測noise & 系統的動態不確定性
3. 自適應控制- 推進系統根據即時狀態估計調整向量
4. 預測控制- 模型預測控制(MPC)在多約束條件下調整軌跡.
來在大氣干擾中依然精準導航.
背後的原理是探索性數據分析,
也就是“主動計算“大量不確定性noise-
而這種“管理不確定性“的方法, 背後用的其中一種就是lesswrong網站辯論時喜歡用的bay
es
' theorem
讓我們用covid檢查來說明:
最基本的計算 (我寫完刪了很多 不提太多snr應該是==明智的)
假設:
covid在人群中的患病率是1%
P(covid)= 0.01
證據:某檢測方法的陽性結果(B)
sensitivity: P(B|covid)= 0.95
假陽性率: P(B|non covid)= 0.05 (noise)
那麼檢測陽性後, 得到covid的%是多少?
即P(covid|B)
1.計算P(B) prior knowledge
P(B)= P(B|covid)* P(covid)+ P(B|non)* P(non)
new evidence
P(B)= (0.95 * 0.01) + (0.05 * 0.99)
P(B)= 0.0095+ 0.0495= 0.059
2.計算後驗%= 對不確定事件的信念
P(covid|B)= [P(B|covid)* P(covid)] / P(B)
=(0.95 * 0.01)/ 0.059
0.161
結論:
檢測陽性後, 實際得covid的%約為16.1%
如果覺得有點不直覺
可以試試看傳統頻率派的算法 (無先驗)
假設:
10000個人裡只有1%=100 人真的有covid
9900人沒
現在檢測:
在100個有covid的人裡, 95人會被檢測出陽姓
在9900個沒covid的人裡, 有5%也會被錯判成陽性->495人
但其中只有95人是真的得covid
95/590 也是約16.1%
結論:
檢測陽性後, 實際得covid的%約為16.1
雖然數值一樣, 但一個說的是“在已知這個人陽性的情況下, 他有covid的機率約是16.1%",
另一個是“10000個檢測陽性的人裡, 約16.1%有covid"
我們來看看實際差別:
如果機器現實處理noise, 感測晶片的noise不等於0,
機器的系統運動不等於完全確定,
而且還需要演算法即時更新.
那麼我們如果還需要等到“很多次測量後在演算法做統計“, 這在動態系統缺點就非常大了
. 想像一下你搭飛機:
gps & imu因為大氣干擾有成千上萬不可控的noise, 如果模型演算法沒有及時解決?
而現代每次晶片遞迴後驗一次, 都能把noise壓下去.
這就是現代工程的核心-
不是避免不確定性, 而是學會與它一起演奏.
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 49.182.104.179 (澳大利亞)
※ 文章網址: https://www.ptt.cc/bbs/DummyHistory/M.1758641139.A.A9E.html
※ 編輯: selfvalue (49.182.104.179 澳大利亞), 09/24/2025 13:20:13