×
阮志明；塞尔万·勒科尔夫；埃里克，穆林

关于一般状态空间模型中边缘平滑分布的双滤波器近似。 （英语） Zbl 07163641号

高级申请。普罗巴伯。 50，第1期，154-177（2018）.
摘要：一般状态空间模型中的一个普遍问题是，根据过去、现在和未来的观测结果，对状态的平滑分布进行近似。本文的目的是对两种滤波算法所提供的平滑分布的此类近似进行严格分析。我们将光滑分布近似的结果推广到这两种滤波方法，这两种方法结合了前向滤波器近似滤波分布和后向信息滤波器近似与状态的后向分布成比例的数量，并给出了未来的观测结果。

引用于1审查
引用于2文件

MSC公司：

65二氧化碳 蒙特卡罗方法
2012年12月62日 参数估计量的渐近性质

关键词：

序贯蒙特卡罗；双滤波器平滑；状态空间模型；颗粒过滤器
PDF格式BibTeX公司 XML格式引用
\文本{T.N.M.Nguyen}等人，Adv.Appl。普罗巴伯。50，第1号，154--177（2018；Zbl 07163641）
全文： 内政部 arXiv公司

参考文献：

[1] Bresler，Y.（1986）。离散时间非线性贝叶斯平滑的两个滤波公式。《国际控制杂志》43，629-641·Zbl 0586.93067号
[2] Briers，M.、Doucet，A.和Maskell，S.（2010年）。状态空间模型的平滑算法。Ann.Inst.统计。数学62，61-89·兹比尔1422.62297
[3] Cappé，O.（2011）。隐马尔可夫模型的在线EM算法。J.计算。图表。统计20，728-749。
[4] Cappé，O.，Moulines，E。和Rydén，T.（2005）。隐马尔可夫模型中的推理。纽约州施普林格·Zbl 1080.62065号
[5] Del Moral，P.（2004）。费曼-卡克公式：谱系和相互作用粒子系统及其应用。纽约州施普林格·Zbl 1130.60003号
[6] Del Moral，P.、Doucet，A.和Singh，S.（2010年）。Feynman-Kac公式的反向粒子解释。数学。模型。数字。分析44947-975·Zbl 1209.65009号
[7] Douc，R.和Moulines，E.（2008年）。加权样本的极限定理及其在序贯蒙特卡罗方法中的应用。《统计年鉴》36，2344-2376·Zbl 1155.62056号
[8] Douc，R.、Moulines，E.和Stoffer，D.S.（2014）。非线性时间序列：理论、方法和应用，附R个例子。查普曼和霍尔/CRC，佛罗里达州博卡拉顿·Zbl 1306.62026号
[9] Douc，R.、Garivier，A.、Moulines，E.和Olsson，J.（2011）。一般状态空间隐马尔可夫模型的序贯蒙特卡罗平滑。附录申请。2109-2145号探针21·Zbl 1237.60026号
[10] Doucet，A.，de Freitas，N.和Gordon，N.（编辑）（2001年）。实践中的序贯蒙特卡罗方法。纽约州施普林格·Zbl 0967.00022号
[11] Doucet，A.、Godsill，S.和Andrieu，C.（2000）。贝叶斯滤波的序贯蒙特卡罗抽样方法。统计。计算10，197-208。
[12] Dubarry，C.和Le Corff，S.（2013）。非线性状态空间模型中光滑加性泛函的非渐近偏差不等式。伯努利19，2222-2249·Zbl 1411.60116号
[13] Fearnhead，P.、Wyncoll，D.和Tawn，J.（2010年）。一种具有线性计算成本的顺序平滑算法。生物特征97，447-464·Zbl 1406.62093号
[14] Godsill，S.J.、Doucet，A.和West，M.（2004）。非线性时间序列的蒙特卡罗平滑。J.Amer。统计师。协会.99，156-168·兹比尔1089.62517
[15] Gordon，N.J.、Salmond，D.J.和Smith，A.F.M.（1993）。非线性/非高斯贝叶斯状态估计的新方法。IEE程序。F雷达信号处理14107-113。
[16] Hürzeler，M.和Künsch，H.R.（1998）。一般状态空间模型的蒙特卡罗近似。J.计算。图表。《统计》第7期，175-193年·Zbl 1056.93580号
[17] Jacob，P.E.、Murray，L.M.和Rubenthaler，S.（2013）。粒子过滤器中的路径存储。统计师。计算第25页，第487-496页·Zbl 1332.62359号
[18] Kantas，N.等人（2015年）。状态空间模型参数估计的粒子方法。统计师。科学30，328-351·Zbl 1332.62096号
[19] 北川，G.（1994）。平滑的双滤波器公式和高斯和平滑器的实现。Ann.Inst.统计。数学46，605-623·Zbl 0822.62080号
[20] 北川，G.（1996）。非高斯非线性状态空间模型的Monte-Carlo滤波器和平滑器。J.计算。图表。统计5，1-25。
[21] Künsch，H.R.（2005）。递归蒙特卡罗滤波器：算法和理论分析。《统计年鉴》331983-2021·Zbl 1086.62106号
[22] Le Corff，S.和Fort，G.（2013年）。基于粒子的块在线期望最大化算法近似的收敛性。ACM事务处理。模型。计算。模拟23，2·Zbl 1384.62066号
[23] Le Corff，S.和Fort，G.（2013年）。隐马尔可夫模型中基于在线期望最大化的推理算法。电子。《统计学杂志》第7期，第763-792页·Zbl 1336.62090号
[24] Lee，A.和Whiteley，N.（2016）。粒子滤波中的方差估计。预打印。可在https://arxiv.org/abs/1509.00394。 ·Zbl 1435.60053号
[25] Mongillo，G.和Deneve，S.（2008年）。利用隐马尔可夫模型进行在线学习。神经计算.201706-1716·Zbl 1147.68646号
[26] Olsson，J.和Douc，R.（2017）。粒子滤波器中方差的数值稳定在线估计。预打印。可在https://arxiv.org/abs/1701.01001。 ·兹比尔1426.62246
[27] Olsson，J.和Westerborn，J.（2017）。一般隐马尔可夫模型中基于粒子的高效在线平滑：PaRIS算法。伯努利231951-1996年·Zbl 1392.62252号
[28] Persing，A.和Jasra，A.（2013）。基于广义双滤波器平滑的隐马尔可夫模型的似然计算。统计师。探针。第83期，1433-1442页·Zbl 1417.62234号
[29] Pitt，M.K.和Shephard，N.（1999）。通过模拟过滤：辅助粒子过滤器。J.Amer。统计师。协会94590-599·Zbl 1072.62639号
[30] Poyiadjis，G.、Doucet，A.和Singh，S.S.（2011年）。状态空间模型中分数和观测信息矩阵的粒子近似及其在参数估计中的应用。生物技术98，65-80·Zbl 1214.62093号
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。