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: |
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 |