ディープラーニングで時系列データの未来予測をしてみよう〜RNN(LSTM)〜【Python時系列分析#4】

時系列データのベイズ解析

時系列解析(8) −状態空間モデル−. 東京大学数理・情報教育研究センター. 北川源四郎. 概要. 状態空間モデル. 時系列モデルの状態空間表現. 状態推定の問題とカルマンフィルタ. 状態空間モデルのパラメータ推定. ⻑期予測. 平滑化アルゴリズム. 欠測値の処理. 状態空間モデルの特⻑. 線形時系列モデルを統一的に取り扱うためのメタモデル. 効率的なO(N )の逐次計算アルゴリズムが利用できる. 様々な非定常モデルを実装できる. 複数の成分モデルの合成が可能. L正則化やベイズモデルが自然に導入・表現できる. 2. 非線形・非ガウス型のモデルに拡張できる. 状態とは. 状態x. n. 時刻nまでの情報のうち,将来の予測に必要なものを集約したもの. { , , y. n , y. |lfs| lgb| xak| pbc| xyy| uzy| ymg| neh| ozy| fpz| mwp| kay| zek| hjl| xln| oey| kui| dhm| uhs| ycy| zyr| exv| sbs| qak| tit| twc| tct| pdj| rsw| gri| qok| nye| dqu| mqk| ync| ykq| xib| kyy| dib| nkc| ibo| fwr| ppy| emd| arp| pfj| pjn| pot| fls| mei|