আমি একটি খুব সাধারণ কলম্যান ফিল্টার (এলোমেলো হাঁটা + শোর মডেল) গণনা করছি।
আমি দেখতে পাই যে ফিল্টারটির আউটপুট একটি চলমান গড়ের সাথে খুব মিল।
দুজনের মধ্যে কি সমতা আছে?
তা না হলে পার্থক্য কী?
আমি একটি খুব সাধারণ কলম্যান ফিল্টার (এলোমেলো হাঁটা + শোর মডেল) গণনা করছি।
আমি দেখতে পাই যে ফিল্টারটির আউটপুট একটি চলমান গড়ের সাথে খুব মিল।
দুজনের মধ্যে কি সমতা আছে?
তা না হলে পার্থক্য কী?
উত্তর:
একটি এলোমেলো হাঁটা + শব্দ মডেল একটি EWMA এর সমতুল্য হিসাবে দেখানো যেতে পারে (তাত্ক্ষণিকভাবে ওজনযুক্ত চলমান গড়)। কলম্যান লাভ EWMA ওজন হিসাবে একই হিসাবে শেষ।
এটি স্টেট স্পেস দ্বারা টাইম সিরিজ বিশ্লেষণে কিছু বিশদের কাছে দেখানো হয়েছে , আপনি যদি গুগল কালম্যান ফিল্টার এবং ইডাব্লুএমএ আপনি সমতাটি নিয়ে আলোচনা করেন তবে প্রচুর সংস্থান খুঁজে পাবেন।
বাস্তবে আপনি EWMA অনুমান ইত্যাদির জন্য আস্থা অন্তর তৈরি করতে রাজ্যের স্থান সমতা ব্যবহার করতে পারেন etc.
শুরু করার জন্য: ইডাব্লুএমএর সাথে কালম্যান ফিল্টারটির সমতুল্যতা কেবল "এলোমেলো হাঁটা প্লাস শোরগোল" এর ক্ষেত্রে এবং এটি এন্ড্রু হার্ভির কাল্পনিক স্ট্রাকচারাল টাইম সিরিজ মডেল এবং কালম্যান ফিল্টার বইটিতে আচ্ছাদিত রয়েছে। শব্দের সাথে এলোমেলো হাঁটার জন্য কালমন ফিল্টার সহ EWMA এর সমতুল্য পাঠ্যের 175 পৃষ্ঠায় আচ্ছাদিত। সেখানে লেখক আরও উল্লেখ করেছেন যে উভয়ের সমতুল্যতা প্রথম 1960 সালে প্রদর্শিত হয়েছিল এবং এটির রেফারেন্স দেয়। পাঠ্যের এই পৃষ্ঠার লিঙ্কটি এখানে রয়েছে: https://books.google.com/books?id=Kc6tnRHBwLcC&pg=PA175&lpg=PA175&dq=ewma+and+kalman+for+random+walk+with+noise&source=bl&ots=I3VOQsYZOC = RdUCwgFE1s7zrPFylF3e3HxIUNY & hl = স্বীকারোক্তি & SA = এক্স & বেদ = 0ahUKEwiK5t2J84HMAhWINSYKHcmyAXkQ6AEINDAD # বনাম = onepage & Q = ewma% 20% 20kalman% 20% 20random% 20walk% 20with% 20noise & F = মিথ্যা
এখন এখানে রেফারেন্স রয়েছে যা কালমন এবং বর্ধিত কালমন ফিল্টারগুলির জন্য একটি অ্যালার্টনেটিক জুড়ে রয়েছে - এটি এমন ফল পেয়েছে যা কলম্যান ফিল্টারের সাথে মেলে তবে ফলাফলগুলি আরও দ্রুত প্রাপ্ত হয়! এটি "ডাবল এক্সফোনেনিয়াল স্মুথিং: কালম্যান ফিল্টার-ভিত্তিক ভবিষ্যদ্বাণীপূর্ণ ট্র্যাকিংয়ের বিকল্প।" কাগজের সারমর্মের (নীচে দেখুন) লেখকরা বলেছেন ... "আমাদের ভবিষ্যদ্বাণীকারীরা দ্রুত, বাস্তবায়নে সহজ, এবং কালমান এবং বর্ধিত কালম্যান ফিল্টারিং পূর্বাভাসকদের সমতুল্য সম্পাদন করছে যে আমাদের দাবির বৈধতা সমর্থন করে এমন অভিজ্ঞতামূলক ফলাফল ..."
http://cs.brown.edu/~jjl/pubs/kfvsexp_final_laviola.pdf
এটি তাদের অ্যাবস্ট্রাক্ট "আমরা দ্বিগুণ তাত্ক্ষণিক স্মুথিংয়ের উপর ভিত্তি করে ব্যবহারকারীর অবস্থান এবং ওরিয়েন্টেশন সম্পর্কিত ভবিষ্যদ্বাণীপূর্ণ ট্র্যাকিংয়ের জন্য উপন্যাসের অ্যালগরিদম উপস্থাপন করি These পূর্বাভাস কর্মক্ষমতা এবং সহজ বাস্তবায়ন This এই কাগজটি কলমান এবং বিস্তৃত কালম্যান ফিল্টার পূর্বাভাসকারীদের সাথে পরীক্ষিত বরাবর এই অ্যালগরিদমগুলিকে বিশদভাবে বর্ণনা করে addition এছাড়াও, আমরা একটি ভবিষ্যদ্বাণীকারী পরীক্ষার বিবরণ এবং আমাদের দাবিগুলির বৈধতা সমর্থন করে বর্তমান অভিজ্ঞতাবাদী ফলাফলগুলির বিবরণ বর্ণনা করি that দ্রুত, বাস্তবায়নে সহজ, এবং কলমান এবং বর্ধিত কালমান ফিল্টারিং ভবিষ্যদ্বাণীগুলির সমতুল্য সঞ্চালন ""