MétaCan
Menu
Retour à la cohorte
Enregistrement W1995451610 · doi:10.1214/105051605000000539

Rates for branching particle approximations of continuous-discrete filters

2005· article· en· W1995451610 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueThe Annals of Applied Probability · 2005
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueProbability and Risk Models
Établissements canadiensConcordia UniversityLockheed Martin (Canada)University of Alberta
Organismes subventionnairesMitacs
Mots-clésParticle systemMathematicsParticle filterBranching processDiscrete time and continuous timeBranching (polymer chemistry)ComputationMarkov chainSobolev spaceNorm (philosophy)Discrete mathematicsAlgorithmCombinatoricsApplied mathematicsMathematical analysisComputer scienceKalman filterStatistics

Résumé

récupéré en direct d'OpenAlex

Herein, we analyze an efficient branching particle method for asymptotic solutions to a class of continuous-discrete filtering problems. Suppose that t→Xt is a Markov process and we wish to calculate the measure-valued process t→μt(⋅)≐P{Xt∈⋅|σ{Ytk, tk≤t}}, where tk=kɛ and Ytk is a distorted, corrupted, partial observation of Xtk. Then, one constructs a particle system with observation-dependent branching and n initial particles whose empirical measure at time t, μtn, closely approximates μt. Each particle evolves independently of the other particles according to the law of the signal between observation times tk, and branches with small probability at an observation time. For filtering problems where ɛ is very small, using the algorithm considered in this paper requires far fewer computations than other algorithms that branch or interact all particles regardless of the value of ɛ. We analyze the algorithm on Lévy-stable signals and give rates of convergence for E1/2{‖μnt−μt‖γ2}, where ‖⋅‖γ is a Sobolev norm, as well as related convergence results.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,009
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,210
Score d'incertitude au seuil0,357

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0090,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,246
Tête enseignante GPT0,436
Écart entre enseignants0,189 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle