• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>2011 IEEE Statistical Signal Processing Workshop >Fast computation of smoothed additive functionals in general state-space models
【24h】

Fast computation of smoothed additive functionals in general state-space models

机译：在一般状态空间模型中快速计算平滑的加法泛函

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Approximating fixed-interval smoothing distributions using particle-based methods is a well-known issue in statistical inference when operating on general state-space hidden Markov models (HMM). In this paper we focus on the computation of path-space smoothed additive functionals. More precisely, this contribution provides new results on the forward filtering backward smoothing (FFBS) and the forward filtering backward simulation (FFBSi) algorithms. We prove that the Lq-mean error convergence rate of both algorithms depends on the number of observations T and the number of particles N only through the ratio T/N. We also derive non-asymptotic exponential deviation inequalities for these algorithms. The FFBS and FFBSi algorithms are compared when applied to parameter estimation in HMM.
机译：在常规状态空间隐马尔可夫模型（HMM）上运行时，使用基于粒子的方法近似使用基于粒子的方法的定期平滑分布是众所周知的问题。在本文中，我们专注于路径空间平滑添加剂功能的计算。更精确地，此贡献为前向滤波后向平滑（FFB）和前向滤波后仿真（FFBSI）算法提供了新的结果。我们证明，这两种算法的L Q -mean误差会聚率取决于观察T和颗粒数量的数量，只能通过比率t / n。我们还导出了这些算法的非渐近指数偏差不等式。在HMM中应用于参数估计时比较FFB和FFBSI算法。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号