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...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autores principales: Gadze, Pedro, Cernuschi Frías, Bruno
Formato: Objeto de conferencia
Lenguaje:Español
Publicado: 2010
Materias:
Ciencias Informáticas
Estimación Bayesiana
filtrado óptimo
filtrado estocástico
métodos secuenciales
Monte Carlo
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:
SEDICI (UNLP) de Universidad Nacional de La Plata
id I19-R120-10915-152722
record_format dspace
spelling I19-R120-10915-1527222023-05-10T20:04:24Z http://sedici.unlp.edu.ar/handle/10915/152722 http://39jaiio.sadio.org.ar/sites/default/files/39-jaiio-ast-10.pdf issn:1850-2806 Métodos secuenciales de Monte Carlo aplicados a modelos ocultos de Markov con proceso de estado y de medición correlacionados Gadze, Pedro Cernuschi Frías, Bruno 2010 2010 2023-05-10T15:47:26Z es Ciencias Informáticas Estimación Bayesiana filtrado óptimo filtrado estocástico métodos secuenciales Monte Carlo 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. Sociedad Argentina de Informática e Investigación Operativa Objeto de conferencia Objeto de conferencia http://creativecommons.org/licenses/by-nc-sa/4.0/ Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0) application/pdf 1614-1625
institution Universidad Nacional de La Plata
institution_str I-19
repository_str R-120
collection SEDICI (UNLP)
language Español
topic Ciencias Informáticas
Estimación Bayesiana
filtrado óptimo
filtrado estocástico
métodos secuenciales
Monte Carlo
spellingShingle Ciencias Informáticas
Estimación Bayesiana
filtrado óptimo
filtrado estocástico
métodos secuenciales
Monte Carlo
Gadze, Pedro
Cernuschi Frías, Bruno
Métodos secuenciales de Monte Carlo aplicados a modelos ocultos de Markov con proceso de estado y de medición correlacionados
topic_facet Ciencias Informáticas
Estimación Bayesiana
filtrado óptimo
filtrado estocástico
métodos secuenciales
Monte Carlo
description 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.
format Objeto de conferencia
Objeto de conferencia
author Gadze, Pedro
Cernuschi Frías, Bruno
author_facet Gadze, Pedro
Cernuschi Frías, Bruno
author_sort Gadze, Pedro
title Métodos secuenciales de Monte Carlo aplicados a modelos ocultos de Markov con proceso de estado y de medición correlacionados
title_short Métodos secuenciales de Monte Carlo aplicados a modelos ocultos de Markov con proceso de estado y de medición correlacionados
title_full Métodos secuenciales de Monte Carlo aplicados a modelos ocultos de Markov con proceso de estado y de medición correlacionados
title_fullStr Métodos secuenciales de Monte Carlo aplicados a modelos ocultos de Markov con proceso de estado y de medición correlacionados
title_full_unstemmed Métodos secuenciales de Monte Carlo aplicados a modelos ocultos de Markov con proceso de estado y de medición correlacionados
title_sort métodos secuenciales de monte carlo aplicados a modelos ocultos de markov con proceso de estado y de medición correlacionados
publishDate 2010
url http://sedici.unlp.edu.ar/handle/10915/152722
http://39jaiio.sadio.org.ar/sites/default/files/39-jaiio-ast-10.pdf
work_keys_str_mv AT gadzepedro metodossecuencialesdemontecarloaplicadosamodelosocultosdemarkovconprocesodeestadoydemedicioncorrelacionados
AT cernuschifriasbruno metodossecuencialesdemontecarloaplicadosamodelosocultosdemarkovconprocesodeestadoydemedicioncorrelacionados
_version_ 1765660141244383232

Ejemplares similares