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”

Rao-Blackwellized particle Gibbs kernels for smoothing in jump Markov nonlinear models

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26620%2F18%3APU128431" target="_blank" >RIV/00216305:26620/18:PU128431 - isvavai.cz</a>

  • Výsledek na webu

    <a href="http://dx.doi.org/10.23919/ECC.2018.8550408" target="_blank" >http://dx.doi.org/10.23919/ECC.2018.8550408</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.23919/ECC.2018.8550408" target="_blank" >10.23919/ECC.2018.8550408</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Rao-Blackwellized particle Gibbs kernels for smoothing in jump Markov nonlinear models

  • Popis výsledku v původním jazyce

    Jump Markov nonlinear models (JMNMs) characterize a dynamical system by a finite number of presumably nonlinear and possibly non-Gaussian state-space configurations that switch according to a discrete-valued hidden Markov process. In this context, the smoothing problem - the task of estimating fixed points or sequences of hidden variables given all available data -is of key relevance to many objectives of statistical inference, including the estimation of static parameters. The present paper proposes a particle Gibbs with ancestor sampling (PGAS)-based smoother for JMNMs. The design methodology relies on integrating out the discrete process in order to increase the efficiency through Rao-Blackwellization. The experimental evaluation illustrates that the proposed method achieves higher estimation accuracy in less computational time compared to the original PGAS procedure.

  • Název v anglickém jazyce

    Rao-Blackwellized particle Gibbs kernels for smoothing in jump Markov nonlinear models

  • Popis výsledku anglicky

    Jump Markov nonlinear models (JMNMs) characterize a dynamical system by a finite number of presumably nonlinear and possibly non-Gaussian state-space configurations that switch according to a discrete-valued hidden Markov process. In this context, the smoothing problem - the task of estimating fixed points or sequences of hidden variables given all available data -is of key relevance to many objectives of statistical inference, including the estimation of static parameters. The present paper proposes a particle Gibbs with ancestor sampling (PGAS)-based smoother for JMNMs. The design methodology relies on integrating out the discrete process in order to increase the efficiency through Rao-Blackwellization. The experimental evaluation illustrates that the proposed method achieves higher estimation accuracy in less computational time compared to the original PGAS procedure.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

  • OECD FORD obor

    10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Návaznosti výsledku

  • Projekt

    <a href="/cs/project/LQ1601" target="_blank" >LQ1601: CEITEC 2020</a><br>

  • Návaznosti

    P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Ostatní

  • Rok uplatnění

    2018

  • 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 European Control Conference, ECC 2018

  • ISBN

    9783952426999

  • ISSN

  • e-ISSN

  • Počet stran výsledku

    6

  • Strana od-do

    2466-2471

  • Název nakladatele

    Institute of Electrical and Electronics Engineers (IEEE)

  • Místo vydání

    neuveden

  • Místo konání akce

    Limassol

  • Datum konání akce

    12. 6. 2018

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku

    000467725302082