Métodos secuenciales de Monte Carlo aplicados a modelos ocultos de Markov con proceso de estado y de medición correlacionados
En el marco del filtrado Bayesiano, se presenta un modelo en el cual el proceso de medición y el estado siguiente son condicionalmente dependientes, dado el conjunto de observaciones pasadas y el estado actual. Además se busca la distribución de predicción para este modelo, y la distribución de filt...
Guardado en:
| Autores principales: | , |
|---|---|
| Formato: | Objeto de conferencia |
| Lenguaje: | Español |
| Publicado: |
2010
|
| Materias: | |
| Acceso en línea: | http://sedici.unlp.edu.ar/handle/10915/152722 http://39jaiio.sadio.org.ar/sites/default/files/39-jaiio-ast-10.pdf |
| Aporte de: |
| Sumario: | En el marco del filtrado Bayesiano, se presenta un modelo en el cual el proceso de medición y el estado siguiente son condicionalmente dependientes, dado el conjunto de observaciones pasadas y el estado actual. Además se busca la distribución de predicción para este modelo, y la distribución de filtrado se halla con una simple actualización a partir de la de predicción. La distribución requerida se aproxima utilizando el muestreo secuencial de importancia, y la distribución queda representada por un conjunto de muestras aleatorias, que son obtenidas a partir de una función de importancia, y se le asigna a las mismas un peso de acuerdo a su relevancia. |
|---|