0041688 20240111140639.520061003235959.9 4 s. CD-ROM cav_un_epca*0076872978-1-4244-0579-41-4CambridgeUniversity of Cambridge2006 Bayesian filtering Variational Bayes particle filters cav_un_auth*0101207 Šmídl Václav UTIA-B Department of Adaptive Systems Ústav teorie informace a automatizace AV ČR, v. v. i. cav_un_auth*0021112 Quinn A. IE textový soubor 09I 09J 1M0572 GA MŠk cav_un_auth*0001814 1ET100750401 GA AV ČR cav_un_auth*0001792 CEZ:AV0Z10750506 The Variational Bayes (VB) approach is used as a one-step approximation for Bayesian filtering. It requires the availability of moments of the free-form distributional optimizers. The latter may have intractable functional forms. In this contribution, we replace these by appropriate fixed-form distributions yielding the required moments. We address two scenarios of this Restricted VB (RVB) approximation. For the first scenario, an application in identification of HMMs is given. Close relationship of the second scenario to Rao-Blackwellized particle filtering is discussed and their performance is illustrated on a simple non-linear model. Použití variační aproximace v Bayesovské filtraci je možné pouze pokud jsou spočitatelné momenty optimálních distribucí. V mnoha případech však tyto distribuce mají komplikovanou formu a jejich momenty nejsou známy analyticky. V tomto příspěvku navrhujeme nahradit momenty optimální distribuce momenty vhodně zvolené blízké distribuce. Postup je ilustrován na dvou konkrétních příkladech. První se týká identifikace HMM modelů a druhý urychlením marginalizovaných particle filtrů. cav_un_auth*0217487 Non-linear Statistical Signal Processing Workshop Cambridge 13.09.2006-15.09.2006 GB 2010 BC http://hdl.handle.net/11104/0135082 2006 textový soubor cav_un_epca*0076872 Proceedings of the NSSPW'06 Workshop 978-1-4244-0579-4 1 4 Cambridge University of Cambridge 2006