Compte tenu de toutes les bonnes propriétés des modèles d'état et de la KF, je me demande quels sont les inconvénients de la modélisation de l'espace et de l'utilisation du filtre de Kalman (ou EKF, UKF ou filtre de particules) pour l'estimation. Supposons des méthodologies conventionnelles comme...
Un filtre à particules et un filtre de Kalman sont tous deux des estimateurs bayésiens récursifs . Je rencontre souvent des filtres de Kalman dans mon champ, mais je vois très rarement l’utilisation d’un filtre à particules. Quand l'un serait-il utilisé par rapport à
Je calcule un filtre de Kalman très simple (marche aléatoire + modèle de bruit). Je trouve que la sortie du filtre est très similaire à une moyenne mobile. Y a-t-il une équivalence entre les deux? Sinon, quelle est la
\newcommand{\P}{\mathbb{P}} Nous avons un processus aléatoire qui peut ou mai ne pas se produire plusieurs fois dans une période de temps définie . Nous avons un flux de données à partir d'un modèle préexistant de ce processus, qui fournit la probabilité qu'un certain nombre d'événements se...
Quelqu'un a-t-il un bon exemple de prévision / lissage de séries chronologiques à l'aide du filtre de Kalman dans
J'essaie d'avoir une idée des avantages et des inconvénients relatifs, ainsi que des différents domaines d'application de ces deux schémas MCMC. Quand utiliseriez-vous lequel et pourquoi? Quand l'un pourrait-il échouer mais pas l'autre (par exemple, où la console HMC est-elle applicable mais pas...
Voici ma vieille question Je voudrais demander si quelqu'un connaît la différence (s'il y a une différence) entre les modèles de Markov cachés (HMM) et le filtre à particules (PF), et par conséquent le filtre de Kalman, ou dans quelles circonstances nous utilisons quel algorithme. Je suis étudiant...
J'ai récemment implémenté un filtre de Kalman sur l'exemple simple de mesure d'une position de particules avec une vitesse et une accélération aléatoires. J'ai trouvé que le filtre de Kalman fonctionnait bien, mais je me suis alors demandé quelle était la différence entre cela et simplement faire...
J'ai écrit du code qui peut effectuer le filtrage de Kalman (en utilisant un certain nombre de filtres de type Kalman différents [Information Filter et al.]) Pour l'analyse linéaire de l'espace d'état gaussien pour un vecteur d'état à n dimensions. Les filtres fonctionnent très bien et j'obtiens...
J'ai une trajectoire d'un objet dans un espace 2D (une surface). La trajectoire est donnée comme une séquence de (x,y)coordonnées. Je sais que mes mesures sont bruyantes et j'ai parfois des valeurs aberrantes évidentes. Donc, je veux filtrer mes observations. Pour autant que je comprenne le filtre...
Je veux utiliser le bootstrap pour estimer les intervalles de confiance pour les paramètres estimés à partir d'un ensemble de données de panel avec N = 250 entreprises et T = 50 mois. L'estimation des paramètres est coûteuse en calcul (quelques jours de calcul) en raison de l'utilisation du...
J'ai vraiment un manque de compréhension du fonctionnement du filtre bootstrap. Je connais à peu près les concepts mais je n'arrive pas à saisir certains détails. Cette question est pour moi d'éliminer l'encombrement. Ici, je vais utiliser cet algorithme de filtre populaire à partir d'une référence...
Je suis intéressé par la façon dont les filtres de Kalman peuvent être utilisés pour imputer des valeurs manquantes dans les données de séries temporelles. Est-il également applicable si certains points temporels consécutifs sont manquants? Je ne trouve pas grand-chose sur ce sujet. Toutes...
D'après ce que j'ai appris, nous utilisons plusieurs filtres dans une couche Conv d'un CNN pour apprendre différents détecteurs de fonctionnalités. Mais puisque ces filtres sont appliqués de la même manière (c'est-à-dire glissés et multipliés aux régions de l'entrée), n'apprendraient-ils pas...
J'ai lu le chapitre 13 de Hamilton et il a la représentation de l'espace d'état suivante pour un ARMA (p, q). Soit .Puis le processus ARMA (p, q) est le suivant: \ begin {aligné} y_t - \ mu & = \ phi_1 (y_ {t-1} - \ mu) + \ phi_2 (y_ {t-2} - \ mu) + ... + \ phi_3 (y_ {t-3} - \ mu) \\ & + \...
Dans l'article fondateur "Rao-Blackwellised Particle Filtering for Dynamic Bayesian Networks" par A. Doucet et. Al. un filtre séquentiel de monte carlo (filtre à particules) est proposé, qui utilise une sous-structure linéaire dans un processus de markov . Par marginalisation de cette structure...
J'utilise le filtre de Kalman d'une manière très standard. Le système est représenté par l'équation d'état xt+1=Fxt+vt+1xt+1=Fxt+vt+1x_{t+1}=Fx_{t}+v_{t+1} et l'équation d'observation yt=Hxt+Azt+wtyt=Hxt+Azt+wty_{t}=Hx_{t}+Az_{t}+w_{t} . Les manuels scolaires enseignent que , après l' application...
Je veux implémenter (en R) le modèle linéaire dynamique très simple suivant pour lequel j'ai 2 paramètres inconnus variant dans le temps (la variance de l'erreur d'observation et la variance de l'erreur d'état ϵ 2 t ).ϵ1tϵt1\epsilon^1_tϵ2tϵt2\epsilon^2_t Ouitθt + 1==θt+ ϵ1tθt+...
J'essaie actuellement de comprendre les filtres à particules et leurs utilisations possibles en finance et je me bats un peu. Quels sont les pré-requis mathématiques et statistiques que je devrais revisiter (issus d'une formation en finance quantitative) afin de (i) rendre les bases des filtres à...
Q: Pour quelles données convient-il d'utiliser la modélisation de l'espace d'états et le filtrage de Kalman au lieu de lisser les splines et vice versa? Y a-t-il une relation d'équivalence entre les deux? J'essaie d'obtenir une compréhension de haut niveau de la façon dont ces méthodes...