zum Inhalt

 

Nyolt,  Martin

Efficient human situation recognition using Sequential Monte Carlo in discrete state spaces

Rostock : Universität , 2019

https://doi.org/10.18453/rosdok_id00002533

http://purl.uni-rostock.de/rosdok/id00002533

This dissertation analyses these challenges and provides solutions for SMC methods. The large, categorical and causal state-space is the largest factor for the inefficiency of current SMC methods. The marginal filter is analysed in detail for its advantages in categorical states over the particle filter. An optimal pruning strategy for the marginal filter is derived that limits the number of samples.

Dissertation Open Access


Einrichtung :
Fakultät für Informatik und Elektrotechnik
Gutachter :
Kirste,  Thomas Rudolf
Uhrmacher,  Adelinde
Hoey,  Jesse
Sprache(n) :
Englisch
übersetzte Zusammenfassung :
Diese Dissertation analysiert diese Herausforderungen und entwickelt Lösungen für SMC-Methoden. Der große, kategorische und kausale Zustandsraum ist der größte Faktor für die Ineffizienz von aktuellen SMC-Methoden. Die Vorteile des Marginalen Filters in kategorischen Zustandsräumen gegenüber dem Partikelfilter werden detailliert analysiert. Eine optimale Pruning-Strategie wird für den Marginal Filter entwickelt.
DDC Klassifikation :
004 Informatik
URN :
urn:nbn:de:gbv:28-rosdok_id00002533-3
Persistente URL:
http://purl.uni-rostock.de/rosdok/id00002533
erstellt am:
2019-10-07
zuletzt geändert am:
2019-10-07
Volltext