Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Application of the particle filters for identification of the non-Gaussian systems

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26220%2F15%3APU114705" target="_blank" >RIV/00216305:26220/15:PU114705 - isvavai.cz</a>

  • Výsledek na webu

    <a href="https://ieeexplore.ieee.org/document/7145089" target="_blank" >https://ieeexplore.ieee.org/document/7145089</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.1109/CarpathianCC.2015.7145089" target="_blank" >10.1109/CarpathianCC.2015.7145089</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Application of the particle filters for identification of the non-Gaussian systems

  • Popis výsledku v původním jazyce

    This paper focuses on application of a particle filter for online identification of non-Gaussian systems. Firstly, the Bayesian inference was described and then the particle filter was defined. The particle filter numerically solves a problem of a recursive Bayesian state estimator. Secondly, the parameters of the linear system and two types of the non-Gaussian systems were estimated by application of the particle filter. The first system was classical linear system. The second system was the linear system with a noise which had a different probability distribution than the Gaussian distribution and the last system was the system with nonlinearity. Thirdly, the parameters of the non-Gaussian systems were estimated with the gradient based method Leveberg-Marquardt. Finally, the results from the particle filter were compared with the results from the gradient based method Levenberg-Marquardt.

  • Název v anglickém jazyce

    Application of the particle filters for identification of the non-Gaussian systems

  • Popis výsledku anglicky

    This paper focuses on application of a particle filter for online identification of non-Gaussian systems. Firstly, the Bayesian inference was described and then the particle filter was defined. The particle filter numerically solves a problem of a recursive Bayesian state estimator. Secondly, the parameters of the linear system and two types of the non-Gaussian systems were estimated by application of the particle filter. The first system was classical linear system. The second system was the linear system with a noise which had a different probability distribution than the Gaussian distribution and the last system was the system with nonlinearity. Thirdly, the parameters of the non-Gaussian systems were estimated with the gradient based method Leveberg-Marquardt. Finally, the results from the particle filter were compared with the results from the gradient based method Levenberg-Marquardt.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

  • OECD FORD obor

    20205 - Automation and control systems

Návaznosti výsledku

  • Projekt

  • Návaznosti

    S - Specificky vyzkum na vysokych skolach

Ostatní

  • Rok uplatnění

    2015

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název statě ve sborníku

    Proceedings of the 16th International Carpathian Control Conference (ICCC2015)

  • ISBN

    978-1-4799-7369-9

  • ISSN

  • e-ISSN

  • Počet stran výsledku

    4

  • Strana od-do

    282-285

  • Název nakladatele

    University of Miskolc, Hungary

  • Místo vydání

    Szilvásvárad

  • Místo konání akce

    Szilvásvárad

  • Datum konání akce

    27. 5. 2015

  • Typ akce podle státní příslušnosti

    EUR - Evropská akce

  • Kód UT WoS článku

    000380488000055