Hidden Markov Models: Estimation and Control

با یافتن برنامه های بیشتر، علاقه به مدل های پنهان مارکوف همچنان در حال افزایش است. پس از نظرات و بازخوردهای همکاران، دانش‌آموزان و سایر افرادی که با مدل‌های مارکوف پنهان کار می‌کنند، چاپ سوم تصحیح شده این جلد حاوی توضیحات، پیشرفت‌ها و برخی مطالب جدید، از جمله نتایج هموارسازی برای دینامیک گاوسی خطی است.

در فصل 2 مشتق از فیلترهای اساسی مربوط به زنجیره مارکوف هر یک به طور صریح و نه به عنوان موارد خاص یک فیلتر عمومی ارائه شده است. علاوه بر این، معادلاتی برای برآوردهای هموار داده شده است. دینامیک فیلتر کالمن به عنوان موارد خاص از نتایج کلی نویسندگان و عبارات جدید برای صاف کننده کالمن به دست آمده است. فصل های مربوط به کنترل زنجیره های مارکوف پنهان گسترش یافته و روشن شده است. فصل 4 اصلاح شده شامل تخمین حالت برای فرآیندهای مارکوف زمان گسسته است و فصل 12 دارای بخش جدیدی در مورد کنترل قوی است.

As more applications are found, interest in Hidden Markov Models continues to grow. Following comments and feedback from colleagues, students and other working with Hidden Markov Models the corrected 3rd printing of this volume contains clarifications, improvements and some new material, including results on smoothing for linear Gaussian dynamics.

In Chapter 2 the derivation of the basic filters related to the Markov chain are each presented explicitly, rather than as special cases of one general filter. Furthermore, equations for smoothed estimates are given. The dynamics for the Kalman filter are derived as special cases of the authors’ general results and new expressions for a Kalman smoother are given. The Chapters on the control of Hidden Markov Chains are expanded and clarified. The revised Chapter 4 includes state estimation for discrete time Markov processes and Chapter 12 has a new section on robust control.