Глоссарий ИИ
Полный словарь искусственного интеллекта
Расширенный фильтр Калмана (EKF)
Расширение фильтра Калмана для нелинейных систем с использованием локальной линеаризации посредством разложения в ряд Тейлора вокруг оцениваемого состояния. Применяет принципы фильтра Калмана к системам, приближённо линейным в окрестности текущей оценки.
Беззапаховый фильтр Калмана (UKF)
Вариант фильтра Калмана для нелинейных систем, использующий беззапаховую трансформацию для аппроксимации распределения состояния с помощью сигма-точек. Этот подход обеспечивает более высокую точность, чем EKF, при сильных нелинейностях.
Фильтр частиц
Метод последовательного Монте-Карло для байесовского оценивания в нелинейных и негауссовских пространствах состояний. Представляет распределение состояния с помощью набора взвешенных частиц и обновляет их посредством перевыборки.
Скрытая марковская модель (HMM)
Статистическая модель, в которой система предполагается следующей марковской цепи с ненаблюдаемыми (скрытыми) состояниями, порождающими последовательности наблюдений. Каждое состояние имеет распределение вероятностей на возможные наблюдения.
Алгоритм прямого-обратного хода (Forward-Backward)
Алгоритм вывода для скрытых марковских моделей, вычисляющий апостериорные вероятности скрытых состояний при заданных наблюдениях. Сочетает прямой (предсказание) и обратный (сглаживание) проходы для оценки распределения состояний.
Алгоритм Витерби
Алгоритм динамического программирования для нахождения наиболее вероятной последовательности состояний в скрытой марковской модели. Определяет оптимальный путь, максимизирующий совместную вероятность состояний и наблюдений.
H∞-фильтр
Оптимальный фильтр, минимизирующий ошибку в худшем случае, а не среднеквадратичную ошибку, устойчивый к неопределённостям модели. Гарантирует ограниченную производительность для всех возмущений конечной энергии.
Наблюдатель Льюенбергера
Динамическая система, позволяющая восстанавливать состояния системы по измеряемым входам и выходам. Использует коэффициент наблюдателя для обеспечения асимптотической сходимости ошибки оценивания.
LTI система
Линейная стационарная система, параметры которой не изменяются во времени и которая подчиняется принципу суперпозиции. Такие системы допускают строгий математический анализ с помощью преобразования Лапласа или Z-преобразования.
Матрица переходов состояний
Матрица, описывающая динамическую эволюцию состояний между двумя последовательными моментами времени в дискретной модели пространства состояний. Она кодирует внутреннюю динамику системы независимо от внешних входов.
Матрица наблюдения
Матрица, связывающая состояния системы с наблюдаемыми измерениями в модели пространства состояний. Она определяет, какие линейные комбинации состояний доступны для измерения.
Шум процесса
Стохастическая неопределённость, моделирующая возмущения, влияющие на внутреннюю динамику системы состояний. Он представляет ошибки моделирования и случайные явления, присущие эволюции системы.
Шум измерений
Случайная неопределённость, добавляемая к наблюдениям в моделях пространства состояний, обычно моделируемая как белый гауссовский шум. Он количественно определяет ограниченную точность датчиков и измерительных приборов.
Уравнения состояния
Дифференциальные или рекуррентные уравнения, описывающие временную эволюцию переменных состояния динамической системы. Они составляют основу моделирования в пространстве состояний, разделяя динамику и наблюдение.
Уравнения измерений
Математические соотношения, связывающие внутренние состояния системы с доступными внешними наблюдениями. Они определяют, как скрытые состояния проявляются в измеряемых данных.
Алгоритм EM
Итеративный алгоритм оптимизации для оценки параметров в моделях со скрытыми переменными, чередующий этапы вычисления математического ожидания и максимизации. Он особенно полезен для обучения параметров моделей пространства состояний.
Байесовский вывод
Статистический подход, обновляющий убеждения о скрытых состояниях путём объединения априорной информации и наблюдений с помощью теоремы Байеса. Он предоставляет согласованную вероятностную основу для оценки состояния.
Предсказание состояния
Этап фильтрации, оценивающий будущее состояние системы до учёта нового измерения. Использует модель перехода для распространения распределения состояния во времени.
Обновление измерения
Фаза коррекции фильтрации, корректирующая предсказание состояния на основе нового полученного наблюдения. Вычисляет апостериорное распределение, комбинируя предсказание и правдоподобие измерения.