Web projektu DAR

Výzkumné centrum
Data - Algoritmy - Rozhodování

Založeno v roce 2005 s podporou MŠMT ČR (projekt 1M0572)

Publikace

Differential entropy estimation by particles

Typ:

Konferenční příspěvek

Autoři publikace:

Ajgl J., Šimandl M.

Název sborniku:

Proceedings of the 18th IFAC World Congress

Nakladatel:

Elsevier

Místo vydání:

Milano, Italy

Rok:

2011

Strany:

11991-11996

ISSN:

1474-6670

Kontaktní osoba:

Ing. Jiří Ajgl (FAV Západočeská univerzita, katedra kybernetiky)

Klíčová slova:

Stochastic systems, Estimation theory, Nonlinear filters, Mo

Adresa (www stránky):

www.ifac2011.org

příloha1:

clanek_ifac11_AS.pdf [file]

příloha2:

prezentace_ifac11_AS.pdf [file]

Anotace:

The paper deals with the estimation of the differential entropy of the probability density function of a stochastic system. A nonparametric entropy estimator based on particles with weights is proposed. The estimator provides asymptotically unbiased estimates. For small number of particles, the bias originates from the difference between the state density and the sampling density. A simulation study is provided. The approach to the differential entropy estimation by particles is a pillar of the fusion problem.