Recursive Bayesian estimation of autoregressive model with uniform noise using approximation by parallelotopes

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985556%3A_____%2F17%3A00472081" target="_blank" >RIV/67985556:_____/17:00472081 - isvavai.cz</a>

Výsledek na webu

<a href="http://dx.doi.org/10.1002/acs.2756" target="_blank" >http://dx.doi.org/10.1002/acs.2756</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1002/acs.2756" target="_blank" >10.1002/acs.2756</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Recursive Bayesian estimation of autoregressive model with uniform noise using approximation by parallelotopes

Popis výsledku v původním jazyce

This paper proposes a recursive algorithm for the estimation of a stochastic autoregressive model with an external input. The noise of the involved model is described by a uniform distribution. The model parameters are estimated using the Bayesian approach. Without an approximation, the support of the posterior distribution is a complex multidimensional polytope whose number of faces increases with time. We propose an approximation of this polytope in each time step by a parallelotope with a constant number of faces. The behaviour of the proposed algorithm is illustrated by simulations and compared with other methods.

Název v anglickém jazyce

Recursive Bayesian estimation of autoregressive model with uniform noise using approximation by parallelotopes

Popis výsledku anglicky

This paper proposes a recursive algorithm for the estimation of a stochastic autoregressive model with an external input. The noise of the involved model is described by a uniform distribution. The model parameters are estimated using the Bayesian approach. Without an approximation, the support of the posterior distribution is a complex multidimensional polytope whose number of faces increases with time. We propose an approximation of this polytope in each time step by a parallelotope with a constant number of faces. The behaviour of the proposed algorithm is illustrated by simulations and compared with other methods.

Druh

J_imp - Článek v periodiku v databázi Web of Science

CEP obor

—

OECD FORD obor

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

Projekt

<a href="/cs/project/7D12004" target="_blank" >7D12004: Pravděpodobnostní monitor distribuovaného průmyslového systému</a><br>

Návaznosti

I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Rok uplatnění

2017

Kód důvěrnosti údajů

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

Název periodika

International Journal of Adaptive Control and Signal Processing

ISSN

0890-6327

e-ISSN

—

Svazek periodika

31

Číslo periodika v rámci svazku

8

Stát vydavatele periodika

GB - Spojené království Velké Británie a Severního Irska

Počet stran výsledku

9

Strana od-do

1184-1192

Kód UT WoS článku

000409048800007

EID výsledku v databázi Scopus

2-s2.0-85027532957