Score matching filters for Gaussian Markov random fields with a linear model of the precision matrix

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985807%3A_____%2F21%3A00551812" target="_blank" >RIV/67985807:_____/21:00551812 - isvavai.cz</a>

Výsledek na webu

<a href="http://dx.doi.org/10.3934/fods.2021030" target="_blank" >http://dx.doi.org/10.3934/fods.2021030</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.3934/fods.2021030" target="_blank" >10.3934/fods.2021030</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Score matching filters for Gaussian Markov random fields with a linear model of the precision matrix

Popis výsledku v původním jazyce

We present an ensemble filtering method based on a linear model for the precision matrix (the inverse of the covariance) with the parameters determined by Score Matching Estimation. The method provides a rigorous covariance regularization when the underlying random field is Gaussian Markov. The parameters are found by solving a system of linear equations. The analysis step uses the inverse formulation of the Kalman update. Several filter versions, differing in the construction of the analysis ensemble, are proposed, as well as a Score matching version of the Extended Kalman Filter.

Název v anglickém jazyce

Score matching filters for Gaussian Markov random fields with a linear model of the precision matrix

Popis výsledku anglicky

We present an ensemble filtering method based on a linear model for the precision matrix (the inverse of the covariance) with the parameters determined by Score Matching Estimation. The method provides a rigorous covariance regularization when the underlying random field is Gaussian Markov. The parameters are found by solving a system of linear equations. The analysis step uses the inverse formulation of the Kalman update. Several filter versions, differing in the construction of the analysis ensemble, are proposed, as well as a Score matching version of the Extended Kalman Filter.

Druh

J_imp - Článek v periodiku v databázi Web of Science

CEP obor

—

OECD FORD obor

10103 - Statistics and probability

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)

Rok uplatnění

2021

Kód důvěrnosti údajů

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

Název periodika

Foundations of Data Science

ISSN

2639-8001

e-ISSN

2639-8001

Svazek periodika

3

Číslo periodika v rámci svazku

4

Stát vydavatele periodika

US - Spojené státy americké

Počet stran výsledku

32

Strana od-do

793-824

Kód UT WoS článku

000719944400001

EID výsledku v databázi Scopus

2-s2.0-85139724526