今天上午，英特尔在北京举办了释放IA，原力拥抱AI时代的年度论坛，英特尔全球副总裁兼中国区总裁杨旭；英特尔数据中心事业部副总裁、数据中心解决方案部总经理Jason Waxman；英特尔数据中心事业部副总裁，人工智能解决方案部总经理Naveen Rao；英特尔公司软件与服务事业部副总裁、开发者及产品部总经理William（Bill） Savage；英特尔中国研究院院长宋继强分别做了《AI在中国》；

目录 一、引言 二、非相干积累检测器和性能参数 2.1 非相干积累检测器 2.2 非相干积累检测器性能参数 三、广义似然比检测（Generalized Likelihood Ratio Test, GLRT） 3.1 检测器推导 3.2 GLRT性能参数 3.3 GLRT性能讨论 四、自适应匹配滤波检测（Adaptive Matched Filter Test, AMF Test

CRLB的推导其实有两个关键的地方，第一个关键的是如何理解满足"正则"条件，第二个地方是柯西不等式的使用，并且在柯西不等式取等号的时候，与统计量的MVUE的联系。 第一 ： 正则条件，他的意思其实就是说，你再使用概率密度函数的时候，这些个带参数的概率目的函数是满足概率密度函数的定义的，在直接一点讲，概蜜在x轴上的积分等于1，这个在证明中使用到了 第二：柯西不等式取等号的条件，是在a = kb的

编者按：2017年2月4日-9日，人工智能领域的最重磅会议之一、第31届人工智能大会（AAAI-17）在美国旧金山举行。AI科技评论全程参与了本次会议并进行了报道，并独家采访了AAAI协会主席Subbarao Kambhampati（Rao）。 Subbarao Kambhampati（Rao）：马里兰大学计算机科学系博士毕业，2000年成为亚利桑那州立大学全职教授，同时也是ASU人工智能实验