Este artículo presenta un filtro de partículas, denominado Log-PF, basado en pesos de partículas representados en una escala logarítmica. En los sistemas prácticos, los pesos de las partículas pueden aproximarse a números cercanos a cero, lo que puede causar problemas numéricos. Por ello, los cálculos que utilizan pesos de partículas y densidades de probabilidad en el dominio logarítmico proporcionan resultados más precisos. Además, los cálculos en el dominio logarítmico mejoran la eficiencia computacional para distribuciones que contienen exponenciales o productos de funciones. Para proporcionar cálculos eficientes, el Log-PF explota el logaritmo Jacobiano que se utiliza para calcular sumas de exponenciales. Introducimos el cálculo de pesos, la normalización de pesos, el remuestreo y las estimaciones puntuales en el dominio logarítmico. Para las estimaciones puntuales, derivamos el cálculo del error cuadrático medio mínimo (MMSE) y la estimación máxima a posteriori (MAP). En particular, en situaciones en las que los sensores son muy precisos, el Log-PF consigue una mejora sustancial del rendimiento. Demostramos el rendimiento del Log-PF derivado mediante tres simulaciones, en las que el Log-PF es más robusto que su homólogo de filtro de partículas estándar. En particular, mostramos las ventajas de computar todos los pasos en el dominio logarítmico mediante un ejemplo basado en la Rao-Blackwellización.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Predicción de la temperatura de paneles fotovoltaicos basada en Máquinas de Soporte Vectorial con Optimización Inspirada en Palomas.
Artículo:
Toma de decisiones operativas óptimas de fabricantes y remanufacturadores autorizados con licencias de patente bajo regulaciones de límites de carbono y comercio.
Artículo:
Investigación y optimización de la malla de puesta a tierra basada en la respuesta a los rayos mediante el uso de ATP-EMTP y algoritmo genético.
Artículo:
Identificación de red neuronal y control de modo deslizante para un sistema no lineal con histéresis y un modelo similar a la holgura.
Artículo:
Investigación sobre Máquina de Vectores de Soporte Paralela basada en la plataforma de datos masivos Spark.