Startsida
Hjälp
Sök i LIBRIS databas

     

 

Sökning: onr:lvjl1mzrjc7sm56x > Gradient-Based Recu...

Gradient-Based Recursive Maximum Likelihood Identification of Jump Markov Non-Linear Systems [Elektronisk resurs]

Braga, Andre R. (författare)
20th International Conference on Information Fusion (Fusion) 
Fritsche, Carsten (författare)
Gustafsson, Fredrik (författare)
Bruno, Marcelo G. S. (författare)
Linköpings universitet Institutionen för systemteknik (utgivare)
Linköpings universitet Tekniska fakulteten (utgivare)
Publicerad: IEEE, 2017
Engelska.
Ingår i: 2017 20TH INTERNATIONAL CONFERENCE ON INFORMATION FUSION (FUSION). ; 228-234
Läs hela texten
Läs hela texten
Läs hela texten
  • E-bok
Sammanfattning Ämnesord
Stäng  
  • This paper deals with state inference and parameter identification in Jump Markov Non-Linear System. The state inference problem is solved efficiently using a recently proposed Rao-Blackwellized Particle Filter, where the discrete state is integrated out analytically. Within the RBPF framework, Recursive Maximum Likelihood parameter identification is performed using gradient ascent algorithms. The proposed learning method has the advantage over (online) Expectation Maximization methods, that it can be easily applied to cases where the probability density functions defining the Jump Markov Non-Linear System are not members of the exponential family. Two benchmark problems illustrate the parameter identification performance. 

Ämnesord

Engineering and Technology  (hsv)
Electrical Engineering, Electronic Engineering, Information Engineering  (hsv)
Control Engineering  (hsv)
Teknik och teknologier  (hsv)
Elektroteknik och elektronik  (hsv)
Reglerteknik  (hsv)
Inställningar Hjälp

Uppgift om bibliotek saknas i LIBRIS

Kontakta ditt bibliotek, eller sök utanför LIBRIS. Se högermenyn.

Om LIBRIS
Sekretess
Hjälp
Fel i posten?
Kontakt
Teknik och format
Sök utifrån
Sökrutor
Plug-ins
Bookmarklet
Anpassa
Textstorlek
Kontrast
Vyer
LIBRIS söktjänster
SwePub
Uppsök

Kungliga biblioteket hanterar dina personuppgifter i enlighet med EU:s dataskyddsförordning (2018), GDPR. Läs mer om hur det funkar här.
Så här hanterar KB dina uppgifter vid användning av denna tjänst.

Copyright © LIBRIS - Nationella bibliotekssystem

 
pil uppåt Stäng

Kopiera och spara länken för att återkomma till aktuell vy