• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
Найдено 440 публикаций
Сортировка:
по названию
по году
Препринт
Cheltsov I., Shramov K. arxiv.org. math. Cornell University, 2018
Добавлено: 21 октября 2018
Препринт
Rogov V. arxiv.org. math. Cornell University, 2017
Добавлено: 2 февраля 2018
Препринт
Sabir M.Gusein-Zade, Natanzon S. M. arxiv.org. math. Cornell University, 2015. No. 00047.
Добавлено: 22 сентября 2016
Препринт
Kamenova L., Lu S., Verbitsky M. arxiv.org. math. Cornell University, 2013
Добавлено: 28 августа 2013
Препринт
Andrey Soldatenkov, Misha Verbitsky. arxiv.org. math. Cornell University, 2014
Добавлено: 5 сентября 2014
Препринт
Timorin V., Blokh A., Oversteegen L. et al. arxiv.org. math. Cornell University, 2013. No. 1305.5788.
Добавлено: 6 октября 2013
Препринт
Kalmynin A. B., Конягин С. В. arxiv.org. math. Cornell University, 2019. No. 1906.09100.
Добавлено: 17 июля 2019
Препринт
Feigin E. arxiv.org. math. Cornell University, 2019
Добавлено: 9 июня 2019
Препринт
Victor Przyjalkowski, Constantin Shramov. arxiv.org. math. Cornell University, 2014
Добавлено: 19 сентября 2014
Препринт
Beklemishev L. D. arxiv.org. math. Cornell University, 2015. No. 1509.00666.
Добавлено: 13 марта 2016
Препринт
Lev Beklemishev, Shamkanov D. arxiv.org. math. Cornell University, 2016. No. 1602.05728.
Добавлено: 13 марта 2016
Препринт
Logachev D., Aleksey Zobnin. arxiv.org. math. Cornell University, 2016
Добавлено: 26 ноября 2017
Препринт
Burman Y. M. arxiv.org. math. Cornell University, 2013. No. 1309.4477.
Добавлено: 19 ноября 2013
Препринт
Bienvenu L., Muchnik A. A., Shen A. et al. arxiv.org. math. Cornell University, 2012. No. 1204.0201.
Добавлено: 14 декабря 2013
Препринт
Конаков В. Д., Мозгунов П. А. arxiv.org. math. Cornell University, 2015. № 1505.07981.
В данной работе рассматривается поведение классического алгоритма Фильтр Калмана в случае, когда ошибки имеют распределение с "тяжелыми хвостами". Для этого была использована симулированная модель, в которой шумы наблюдений распределены нормально, а шумы ненаблюдаемых состояний заменены на ошибки, имеющие $\alpha$-устойчивое распределение c двумя меняющимися параметрами $\alpha$ и $\beta$.  Нами рассмотрено два случая: когда все параметры известны, и когда их необходимо оценить. Для оценивания применялись метод максимального правдоподобия и EM-алгоритм. Эмпирически было показано, что в случае больших отклонений от нормальности, средняя ошибка оценивания значений ненаблюдаемых переменных быстро растёт. Мы предполагаем, что это может быть объяснено недооценкой матрицы ковариаций в случае, когда "все параметры известны". Но в случае EM-оценивания эта проблема может быть преодолена. Из результатов моделирования следует, что в интервале  $\alpha \in [1.3,2]$ может быть применена стандартная процедура Фильтра Калмана и EM-оценивание. Насколько нам известно, подробный вывод Сглаживания Калмана и EM-алгоритма в русскоязычной литературе ранее не приводился.
Добавлено: 1 июня 2015
Препринт
Cerulli Irelli G., Fang X., Feigin E. et al. arxiv.org. math. Cornell University, 2019. No. 1901.11020.
Добавлено: 5 февраля 2019
Препринт
Sergey Slavnov. arxiv.org. math. Cornell University, 2014
Добавлено: 23 декабря 2015
Препринт
Izosimov A. arxiv.org. math. Cornell University, 2013
Добавлено: 19 ноября 2013
Препринт
Konakov V., Markova A. arxiv.org. math. Cornell University, 2014. No. 1412.1607v1.
Добавлено: 21 января 2015
Препринт
Ornea L., Verbitsky M. arxiv.org. math. Cornell University, 2012
Добавлено: 6 февраля 2013
Препринт
Fedor Bogomolov, De Oliveira B. arxiv.org. math. Cornell University, 2014
Добавлено: 21 ноября 2014