Full metadata record
| DC pole | Hodnota | Jazyk |
|---|---|---|
| dc.contributor.author | Duník, Jindřich | |
| dc.contributor.author | Straka, Ondřej | |
| dc.date.accessioned | 2021-02-15T11:00:15Z | - |
| dc.date.available | 2021-02-15T11:00:15Z | - |
| dc.date.issued | 2019 | |
| dc.identifier.citation | DUNÍK, J., STRAKA, O. Rao-Blackwellised Point-Mass Smoothers for a Class of Conditionally Linear Dynamic Models. In: Proceedings of the 2019 22th International Conference on Information Fusion (FUSION). Ottawa: IEEE, 2019. s. 1-8. ISBN 978-0-9964527-8-6. | cs |
| dc.identifier.isbn | 978-0-9964527-8-6 | |
| dc.identifier.uri | 2-s2.0-85081788390 | |
| dc.identifier.uri | http://hdl.handle.net/11025/42669 | |
| dc.description.abstract | Článek je věnován odhadu stavu stochastických dynamických systémů. Důraz je v článku kladen na efektivní numerické řešení Bayesových rekurzivních vztahů metodou bodových mas za předpokladu podmíněně lineárních modelů. V článku jsou navrženy tři metody pro retrodikci stavu lišící se kvalitou odhadu stavu a výpočetní náročností. | cs |
| dc.format | 8 s. | cs |
| dc.format.mimetype | application/pdf | |
| dc.language.iso | en | en |
| dc.publisher | IEEE | en |
| dc.relation.ispartofseries | Proceedings of the 2019 22th International Conference on Information Fusion (FUSION) | en |
| dc.rights | Plný text je přístupný v rámci univerzity přihlášeným uživatelům. | cs |
| dc.rights | © IEEE | en |
| dc.title | Rao-Blackwellised Point-Mass Smoothers for a Class of Conditionally Linear Dynamic Models | en |
| dc.type | konferenční příspěvek | cs |
| dc.type | conferenceObject | en |
| dc.rights.access | restrictedAccess | en |
| dc.type.version | publishedVersion | en |
| dc.description.abstract-translated | The paper deals with the state estimation of nonlinear stochastic dynamic systems. The stress is laid on the numerical solution to the Bayes’ rule considering a class of conditionally linear Gaussian models typically appearing in navigation. In particular, three novel Rao-Blackwellised smoothers are proposed, where the nonlinear part of the model is solved by a computationally expensive point-mass smoother, whereas the conditionally linear part is solved by a set of linear smoothers. The proposed smoothers offer a tradeoff between the computational complexity and smoothing performance. The properties of the smoothers are theoretically analysed and discussed. | en |
| dc.subject.translated | Nonlinear filtering, Non-Gaussian filtering, Bayesian relations | en |
| dc.type.status | Peer-reviewed | en |
| dc.identifier.document-number | 567728800089 | |
| dc.identifier.obd | 43927252 | |
| dc.project.ID | LO1506/PUNTIS - Podpora udržitelnosti centra NTIS - Nové technologie pro informační společnost | cs |
| dc.project.ID | SGS-2019-020/Rozvoj a využití kybernetických systémů identifikace, diagnostiky a řízení 4 | cs |
| Vyskytuje se v kolekcích: | Konferenční příspěvky / Conference Papers (KKY) OBD | |
Soubory připojené k záznamu:
| Soubor | Velikost | Formát | |
|---|---|---|---|
| clanek_FUSION19_DS.pdf | 212,13 kB | Adobe PDF | Zobrazit/otevřít Vyžádat kopii |
Použijte tento identifikátor k citaci nebo jako odkaz na tento záznam:
http://hdl.handle.net/11025/42669Všechny záznamy v DSpace jsou chráněny autorskými právy, všechna práva vyhrazena.