Cooperative parallel particle filters for online model selection and applications to urban mobility

ما یک طرح متوالی از مونت کارلو برای هدف دوگانه استنتاج بیزی و انتخاب مدل طراحی می کنیم. ما در زمینه استفاده از تحرک شهری را در نظر می گیریم که در آن چندین روش حمل و نقل و ابزار اندازه گیری مختلف می تواند مورد استفاده قرار گیرد. بنابراین، ما به مسئله مشترک از ردیابی آنلاین و تشخیص مدال فعلی رسیدگی می کنیم. برای این منظور، ما از فیلترهای ذرات موازی تعامل استفاده می کنیم، هر کدام به یک مدل متفاوت می پردازند. آنها برای ارائه برآوردگر جهانی متغیر مورد علاقه همکاری می کنند و در عین حال تقریبی چگالی خلفی هر مدل با توجه به داده ها همکاری می کنند. تعامل بوسیله یک توزیع پارسیمونسی از تلاش محاسباتی، با سازگاری آنلاین برای تعداد ذرات هر فیلتر بر اساس احتمال خلفی مدل مربوطه رخ می دهد. طرح نتیجه ساده و انعطاف پذیر است. ما تکنیک رمان را در آزمایش های مختلف عددی با داده های مصنوعی و واقعی، که قوی بودن طرح پیشنهادی را تایید می کنند، آزمایش کرده ایم.