Als «particle-filter» getaggte Fragen

Partikelfilter (oder sequentielle Monte Carlo) sind eine Form des genetischen Simulationsalgorithmus, der zum Filtern von Problemen bei der Signalanalyse und Zeitreihenanalyse verwendet wird.

1
Unterschied zwischen Hidden Markov-Modellen und Partikelfilter (und Kalman-Filter)
Hier ist meine alte Frage Ich möchte fragen, ob jemand den Unterschied (falls vorhanden) zwischen Hidden Markov-Modellen (HMM) und Partikelfilter (PF) und folglich Kalman-Filter kennt oder unter welchen Umständen wir welchen Algorithmus verwenden. Ich bin Student und muss ein Projekt machen, aber zuerst muss ich einige Dinge verstehen. Entsprechend der …
1
Bootstrap-Filter / Partikelfilter-Algorithmus (Verständnis)
Ich habe wirklich ein Unverständnis darüber, wie der Bootstrap-Filter funktioniert. Ich kenne die Konzepte grob, kann aber bestimmte Details nicht erfassen. Diese Frage ist für mich, um das Durcheinander zu beseitigen. Hier werde ich diesen beliebten Filteralgorithmus aus einer Referenz von Doucet verwenden (bisher denke ich, dass dies die einfachste …
1
Rao-Blackwellization von sequentiellen Monte-Carlo-Filtern
In der wegweisenden Arbeit "Rao-Blackwellised Particle Filtering for Dynamic Bayesian Networks" von A. Doucet et. al. Es wird ein sequentieller Monte-Carlo-Filter (Partikelfilter) vorgeschlagen, der eine lineare Substruktur in einem Markov-Prozess x k = ( x L k , x N k ) verwendet . Durch Marginalisierung dieser linearen Struktur kann …
3
Schätzen von Parametern eines dynamischen linearen Modells
Ich möchte (in R) das folgende sehr einfache dynamische lineare Modell implementieren, für das ich 2 unbekannte zeitvariable Parameter habe (die Varianz des Beobachtungsfehlers und die Varianz des Zustandsfehlers ). ϵ 2 tϵ1tϵt1\epsilon^1_tϵ2tϵt2\epsilon^2_t Y.tθt + 1==θt+ ϵ1tθt+ ϵ2tYt=θt+ϵt1θt+1=θt+ϵt2 \begin{matrix} Y_t & = & \theta_t + \epsilon^1_t\\ \theta_{t+1} & = & …
11 r  mcmc  dlm  particle-filter 
2
Mathematische und statistische Voraussetzungen zum Verständnis von Partikelfiltern?
Ich versuche gerade, Partikelfilter und ihre möglichen Anwendungen im Finanzbereich zu verstehen, und ich habe ziemlich viel zu kämpfen. Was sind die mathematischen und statistischen Voraussetzungen, die ich überdenken sollte (vor dem Hintergrund der quantitativen Finanzierung), um (i) die Grundlagen von Partikelfiltern zugänglich zu machen und (ii) sie später gründlich …
2
Berechnen Sie die ROC-Kurve für Daten
Ich habe also 16 Studien, in denen ich versuche, eine Person anhand eines biometrischen Merkmals mithilfe von Hamming Distance zu authentifizieren. Mein Schwellenwert ist auf 3,5 eingestellt. Meine Daten sind unten und nur Versuch 1 ist ein wahres Positiv: Trial Hamming Distance 1 0.34 2 0.37 3 0.34 4 0.29 …
9 mathematical-statistics  roc  classification  cross-validation  pac-learning  r  anova  survival  hazard  machine-learning  data-mining  hypothesis-testing  regression  random-variable  non-independent  normal-distribution  approximation  central-limit-theorem  interpolation  splines  distributions  kernel-smoothing  r  data-visualization  ggplot2  distributions  binomial  random-variable  poisson-distribution  simulation  kalman-filter  regression  lasso  regularization  lme4-nlme  model-selection  aic  r  mcmc  dlm  particle-filter  r  panel-data  multilevel-analysis  model-selection  entropy  graphical-model  r  distributions  quantiles  qq-plot  svm  matlab  regression  lasso  regularization  entropy  inference  r  distributions  dataset  algorithms  matrix-decomposition  regression  modeling  interaction  regularization  expected-value  exponential  gamma-distribution  mcmc  gibbs  probability  self-study  normality-assumption  naive-bayes  bayes-optimal-classifier  standard-deviation  classification  optimization  control-chart  engineering-statistics  regression  lasso  regularization  regression  references  lasso  regularization  elastic-net  r  distributions  aggregation  clustering  algorithms  regression  correlation  modeling  distributions  time-series  standard-deviation  goodness-of-fit  hypothesis-testing  statistical-significance  sample  binary-data  estimation  random-variable  interpolation  distributions  probability  chi-squared  predictor  outliers  regression  modeling  interaction 
1
Überprüfen Sie das Papier zum Partikelfilter
Ich habe Online einen Entwurf für eine ausgezeichnete Bewertung gefunden Papier von Zhe Chen dem Titel „Von Kalman Filter Partikelfiltern, und darüber hinaus Bayesian Filtering“. Laut Google Scholar lautet das Zitat für die veröffentlichte Version "Statistics 182 (1), 1-69, 2003", aber die Zeitschrift, die ich mit diesem Namen finde (ISSN: …
3
Post-hoc-Test in einer 2x3-ANOVA mit gemischtem Design unter Verwendung von SPSS?
Ich habe zwei Gruppen von 10 Teilnehmern, die während eines Experiments dreimal bewertet wurden. Um die Unterschiede zwischen den Gruppen und zwischen den drei Bewertungen zu testen, führte ich eine 2 × 3-ANOVA mit gemischtem Design mit group(Kontrolle, experimentell), time(erste, zweite, drei) und group x time. Beides timeund groupErgebnis signifikant, …
8 anova  mixed-model  spss  post-hoc  bonferroni  time-series  unevenly-spaced-time-series  classification  normal-distribution  discriminant-analysis  probability  normal-distribution  estimation  sampling  classification  svm  terminology  pivot-table  random-generation  self-study  estimation  sampling  estimation  categorical-data  maximum-likelihood  excel  least-squares  instrumental-variables  2sls  total-least-squares  correlation  self-study  variance  unbiased-estimator  bayesian  mixed-model  ancova  statistical-significance  references  p-value  fishers-exact  probability  monte-carlo  particle-filter  logistic  predictive-models  modeling  interaction  survey  hypothesis-testing  multiple-regression  regression  variance  data-transformation  residuals  minitab  r  time-series  forecasting  arima  garch  correlation  estimation  least-squares  bias  pca  predictive-models  genetics  sem  partial-least-squares  nonparametric  ordinal-data  wilcoxon-mann-whitney  bonferroni  wilcoxon-signed-rank  traminer  regression  econometrics  standard-error  robust  misspecification  r  probability  logistic  generalized-linear-model  r-squared  effect-size  gee  ordered-logit  bayesian  classification  svm  kernel-trick  nonlinear  bayesian  pca  dimensionality-reduction  eigenvalues  probability  distributions  mathematical-statistics  estimation  nonparametric  kernel-smoothing  expected-value  filter  mse  time-series  correlation  data-visualization  clustering  estimation  predictive-models  recommender-system  sparse  hypothesis-testing  data-transformation  parametric  probability  summations  correlation  pearson-r  spearman-rho  bayesian  replicability  dimensionality-reduction  discriminant-analysis  outliers  weka 
4
Rolle der Dirac-Funktion in Partikelfiltern
Partikelnäherungen an Wahrscheinlichkeitsdichten werden häufig als gewichtete Summe von Dirac-Funktionen eingeführt p(x)≈∑i=1Nωiδ(x−xi)p(x)≈∑i=1Nωiδ(x−xi)p(x) \approx \sum_{i=1}^N \omega^i \delta(x-x^i) mit den Gewichten ωi∝p(xi)q(xi)ωi∝p(xi)q(xi)\omega^i \propto \frac{p(x^i)}{q(x^i)} normalisiert, so dass sie zur Einheit summieren; Dabei ist die Wichtigkeitsdichte. Ich verstehe , daß die Dirac - Funktion an einem Punkt unendlich groß wird , dh und …
Durch die Nutzung unserer Website bestätigen Sie, dass Sie unsere Cookie-Richtlinie und Datenschutzrichtlinie gelesen und verstanden haben.
Licensed under cc by-sa 3.0 with attribution required.