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”

Student-t Process Quadratures for Filtering of Non-Linear Systems with Heavy-Tailed Noise

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F49777513%3A23520%2F17%3A43949729" target="_blank" >RIV/49777513:23520/17:43949729 - isvavai.cz</a>

  • Výsledek na webu

    <a href="http://dx.doi.org/10.23919/ICIF.2017.8009742" target="_blank" >http://dx.doi.org/10.23919/ICIF.2017.8009742</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.23919/ICIF.2017.8009742" target="_blank" >10.23919/ICIF.2017.8009742</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Student-t Process Quadratures for Filtering of Non-Linear Systems with Heavy-Tailed Noise

  • Popis výsledku v původním jazyce

    The aim of this article is to design a moment transformation for Student-t distributed random variables, which is able to account for the error in the numerically computed mean. We employ Student-t process quadrature, an instance of Bayesian quadrature, which allows us to treat the integral itself as a random variable whose variance provides information about the incurred integration error. Advantage of the Student-t process quadrature over the traditional Gaussian process quadrature, is that the integral variance depends also on the function values, allowing for a more robust modelling of the integration error. The moment transform is applied in nonlinear sigma-point filtering and evaluated on two numerical examples, where it is shown to outperform the state-of-the-art moment transforms.

  • Název v anglickém jazyce

    Student-t Process Quadratures for Filtering of Non-Linear Systems with Heavy-Tailed Noise

  • Popis výsledku anglicky

    The aim of this article is to design a moment transformation for Student-t distributed random variables, which is able to account for the error in the numerically computed mean. We employ Student-t process quadrature, an instance of Bayesian quadrature, which allows us to treat the integral itself as a random variable whose variance provides information about the incurred integration error. Advantage of the Student-t process quadrature over the traditional Gaussian process quadrature, is that the integral variance depends also on the function values, allowing for a more robust modelling of the integration error. The moment transform is applied in nonlinear sigma-point filtering and evaluated on two numerical examples, where it is shown to outperform the state-of-the-art moment transforms.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

  • OECD FORD obor

    20205 - Automation and control systems

Návaznosti výsledku

  • Projekt

    Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.

  • Návaznosti

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

Ostatní

  • Rok uplatnění

    2017

  • 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 20th International Conference on Information Fusion

  • ISBN

    978-0-9964527-0-0

  • ISSN

  • e-ISSN

  • Počet stran výsledku

    8

  • Strana od-do

    875-882

  • Název nakladatele

    IEEE

  • Místo vydání

    Xi&apos;an

  • Místo konání akce

    Xi&apos;an, China

  • Datum konání akce

    10. 7. 2017

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku

    000410938300124