Dans cet ouvrage, nous nous sommes intéressés au filtre de Kalman couple. Celui-ci intègre, par rapport au modèle original, de nouvelles possibilités d'interactions entre états cachés et observations, tout en conservant des algorithmes exacts et rapides dans le cas linéaire et gaussien. Nous étudions plus particulièrement le problème de l'estimation non supervisée et robuste des paramètres d'un filtre de Kalman couple à partir d'observations en nombre limité. Le manuscrit décrit ainsi plusieurs algorithmes d'apprentissage par estimation du maximum de vraisemblance selon le principe EM (Expectation-Maximization). Ces algorithmes originaux permettent d'intégrer des contraintes a priori sur les paramètres du système étudié, comme expressions de connaissances partielles sur la physique de l'application ou sur le capteur. Ces systèmes contraints réduisent l'ambiguïté liée au problème d'identifiabilité du filtre de Kalman couple lors de l'estimation des paramètres. Ils permettent également de limiter le nombre de maxima locaux de la fonction de vraisemblance en réduisant la dimension de l'espace de recherche, et permettent d'éviter parfois le piégeage de l'algorithme EM.
Il n'y a pas encore de discussion sur ce livre
Soyez le premier à en lancer une !
Taïna, indienne des Caraïbes, a été instruite dès son enfance pour devenir chamane, mais Christophe Colomb et les Espagnols arrivent...
Une belle adaptation, réalisée par un duo espagnol, d'un des romans fondateurs de la science-fiction, accessible dès 12 ans.
Merci à toutes et à tous pour cette aventure collective
Lara entame un stage en psychiatrie d’addictologie, en vue d’ouvrir ensuite une structure d’accueil pour jeunes en situation d’addiction au numérique...
