id:"swepub:oai:DiVA.org:uu-492697"
Sökning: id:"swepub:oai:DiVA.org:uu-492697" > Multidimensional pr...
- 1 av 1
- Föregående post
- Nästa post
- Till träfflistan
- Emzir, Muhammad Fuady (författare)
Multidimensional projection filters via automatic differentiation and sparse-grid integration
- Artikel/kapitelEngelska2023
Förlag, utgivningsår, omfång ...
- Elsevier,2023
- printrdacarrier
Nummerbeteckningar
- LIBRIS-ID:oai:DiVA.org:uu-492697
- https://urn.kb.se/resolve?urn=urn:nbn:se:uu:diva-492697URI
- https://doi.org/10.1016/j.sigpro.2022.108832DOI
Kompletterande språkuppgifter
- Språk:engelska
- Sammanfattning på:engelska
Ingår i deldatabas
- SwePubSwePub
Klassifikation
Anmärkningar
- The projection filter is a technique for approximating the solutions of optimal filtering problems. In projection filters, the Kushner–Stratonovich stochastic partial differential equation that governs the propagation of the optimal filtering density is projected to a manifold of parametric densities, resulting in a finite-dimensional stochastic differential equation. Despite the fact that projection filters are capable of representing complicated probability densities, their current implementations are limited to Gaussian family or unidimensional filtering applications. This work considers a combination of numerical integration and automatic differentiation to construct projection filter algorithms for more generic problems. Specifically, we provide a detailed exposition of this combination for the manifold of the exponential family, and show how to apply the projection filter to multidimensional cases. We demonstrate numerically that based on comparison to a finite-difference solution to the Kushner–Stratonovich equation and a bootstrap particle filter with systematic resampling, the proposed algorithm retains an accurate approximation of the filtering density while requiring a comparatively low number of quadrature points. Due to the sparse-grid integration and automatic differentiation used to calculate the expected values of the natural statistics and the Fisher metric, the proposed filtering algorithms are highly scalable. They therefore are suitable to many applications in which the number of dimensions exceeds the practical limit of particle filters, but where the Gaussian-approximations are deemed unsatisfactory.
Ämnesord och genrebeteckningar
- NATURVETENSKAP Matematik Sannolikhetsteori och statistik hsv//swe
- NATURAL SCIENCES Mathematics Probability Theory and Statistics hsv//eng
- TEKNIK OCH TEKNOLOGIER Elektroteknik och elektronik Signalbehandling hsv//swe
- ENGINEERING AND TECHNOLOGY Electrical Engineering, Electronic Engineering, Information Engineering Signal Processing hsv//eng
- Projection filter
- Nonlinear filter
- Automatic differentiation
- Sparse-grid integration
Biuppslag (personer, institutioner, konferenser, titlar ...)
- Zhao, ZhengUppsala universitet,Avdelningen för systemteknik,Artificiell intelligens(Swepub:uu)zhezh438 (författare)
- Särkkä, Simo (författare)
- Uppsala universitetAvdelningen för systemteknik (creator_code:org_t)
Sammanhörande titlar
- Ingår i:Signal Processing: Elsevier2040165-16841872-7557
Internetlänk
- 1 av 1
- Föregående post
- Nästa post
- Till träfflistan
Hitta mer i SwePub
- Av författaren/redakt...
- Emzir, Muhammad ...
- Zhao, Zheng
- Särkkä, Simo
- Om ämnet
-
- NATURVETENSKAP
- NATURVETENSKAP
- och Matematik
- och Sannolikhetsteor ...
-
- TEKNIK OCH TEKNOLOGIER
- TEKNIK OCH TEKNO ...
- och Elektroteknik oc ...
- och Signalbehandling
- Artiklar i publikationen
- Signal Processin ...
- Av lärosätet
- Uppsala universitet
Sök utanför SwePub
- Sök vidare i:
- Google Book Search
- Google Scholar
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
- LIBRIS.kb.se
