Approximate Bayesian Recursive Estimation of Linear Model with Uniform Noise

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985556%3A_____%2F12%3A00378658" target="_blank" >RIV/67985556:_____/12:00378658 - isvavai.cz</a>

Výsledek na webu

<a href="http://dx.doi.org/10.3182/20120711-3-BE-2027.00104" target="_blank" >http://dx.doi.org/10.3182/20120711-3-BE-2027.00104</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.3182/20120711-3-BE-2027.00104" target="_blank" >10.3182/20120711-3-BE-2027.00104</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Approximate Bayesian Recursive Estimation of Linear Model with Uniform Noise

Popis výsledku v původním jazyce

Recursive estimation forms core of adaptive prediction and control. Dynamic exponential family is the only but narrow class of parametric models that allows exact Bayesian estimation. The paper provides an approximate estimation of important autoregressive model with exogenous variables (ARX) and uniform noise. This model reflects well physical nature of modelled system: majority of signals, noise and estimated parameters are bounded. Unlike former solutions, the paper proposes an algorithm that provides a full (approximate) posterior probability density function (pdf) of unknown parameters. Behaviour of the designed algorithm is illustrated by simulations.

Název v anglickém jazyce

Approximate Bayesian Recursive Estimation of Linear Model with Uniform Noise

Popis výsledku anglicky

Recursive estimation forms core of adaptive prediction and control. Dynamic exponential family is the only but narrow class of parametric models that allows exact Bayesian estimation. The paper provides an approximate estimation of important autoregressive model with exogenous variables (ARX) and uniform noise. This model reflects well physical nature of modelled system: majority of signals, noise and estimated parameters are bounded. Unlike former solutions, the paper proposes an algorithm that provides a full (approximate) posterior probability density function (pdf) of unknown parameters. Behaviour of the designed algorithm is illustrated by simulations.

Druh

D - Stať ve sborníku

CEP obor

BC - Teorie a systémy řízení

OECD FORD obor

—

Projekt

<a href="/cs/project/TA01030123" target="_blank" >TA01030123: Optimalizace ekologie jízdy na základě průběžně měřených dat</a><br>

Návaznosti

I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Rok uplatnění

2012

Kód důvěrnosti údajů

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

Název statě ve sborníku

Proceedings of the 16th IFAC Symposium on System Identification

ISBN

978-3-902823-06-9

ISSN

—

e-ISSN

—

Počet stran výsledku

5

Strana od-do

1803-1807

Název nakladatele

IFAC

Místo vydání

Brussels

Místo konání akce

Brussels

Datum konání akce

11. 7. 2012

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—