簡単な粒子フィルタの実装 - Qiita
動機 今まで時系列データの予測にはカルマンフィルタを使う事が多かったのですが、そろそろ粒子フィルタにも手を出してみるか、ということでコードを書いてみました。 ただ今回の例は、季節周期などへの分解には対応していません。また、平滑化も行っていません。ご了承下さい。 参考文献 予測にいかす統計モデリングの基本―ベイズ統計入門から応用まで 時系列解析入門 「予測にいかす統計モデリングの基本」だけでも、この記事の内容であれば実装可能だと思います。 粒子フィルタ概要 状態空間モデルの一種です。時系列をシステムモデルと観測モデルで表現出来るようなモノを状態空間モデルと呼びます。したがって、状態空間モデルは観測可能なデータの裏側にある状態（メカニズム）を組み込む事が出来るモデルになります。 その中で線形、ガウス型で記述されたモノがカルマンフィルタです。カルマンフィルタの欠点としては、ノイズに正規分布を仮定
【R言語】時間の動きにあわせて 定数項 や 回帰係数 が動的に変化していく回帰モデルを解析する方法（データの観測誤差を取り除いた「真の値」を同時に推定） - Qiita
状態空間モデルとは？ 時間とともに、刻一刻と変化していく事象を、直近の過去までの観測データの記録を（リアルタイムに）逐次解析することで、次の瞬間の将来の状態の（観測誤差を省いた）「真の値」を予測する手法 【 関連 】 なお、時系列データの周期性成分の変化を、時間の流れを追って解析する手法については、以下を参考にしてください Qiita 投稿記事 （2014/7/18)「R言語でウェーブレット変換 ～時系列データの各波長成分の含有濃度が、時間推移とともにどう変化するかを視覚化する方法」 状態空間モデルの定義例 【 参考 】 Wikipedia 「状態空間 (制御理論)」 状態空間（じょうたいくうかん、英: State Space）あるいは状態空間表現（じょうたいくうかんひょうげん、英: State Space Representation）は、制御工学において、物理的システムを入力と出力と状
Q 様々な音響特徴量 それぞれの使い方や意味を教えて下さい
様々な音響特徴量 それぞれの使い方や意味を教えて下さい Q. 東北大学 大学院 工学研究科 博士後期課程２年 千葉 祐弥 音響学入門ペディア マスター タイトルの書式設定 特徴量って何に使うもの？ より無駄が少なく、データの本質をあらわした表現が欲しい！ ⇒ データからなるべく良い特徴量を抽出する必要がある 収録条件、個人差、データ差などの違いが大きくて本質的な部分がわかりにくい データ量や計算量が多くて取り扱いにくい 生のデータそのものを利用するのは無理がある 2 • 統計的分析 • 機械学習、パターン認識 • 音声認識、音声インターフェースの作成 • 楽曲のジャンル推定、楽曲検索、推薦等への応用 など • 人間が音を聞く仕組みを解明する（方向、高さ、大きさ、音色・・・の知覚） • データの符号化、圧縮への応用 など マスター タイトルの書式設定 特徴量の選び方 音素の判別に有効
MLSA フィルタの実装 | LESS IS MORE
音声合成に使われるMLSA（Mel-Log Spectrum Approximatation）フィルタを実装したいんだが、なにぶんわからん。SPTKにコードはあるけれど、正直理解できない。デジタル信号処理を小学一年生から勉強しなおしたいレベルだ と、前置きはさておき、MLSAフィルタの実装を見つけたのでメモ。ここ最近ちょくちょく調べているが、SPTK以外で初めて見つけた。 Realisation and Simulation of the Mel Log Spectrum Approximation Filter | Simple4All Internship Report Simple4Allという音声技術系のコミュニティの、学生さんのインターンの成果らしい。ちらっと調べてたら山岸先生も参加してる（た？）っぽい。 上のreportで引用されているように、MLSA filterの実現方法に
The Kalman Filter
Some tutorials, references, and research related to the Kalman filter. This site is maintained by Greg Welch in Nursing / Computer Science / Simulation & Training at the University of Central Florida, and Gary Bishop in the Department of Computer Science at the University of North Carolina at Chapel Hill. Welch also holds an adjunct position at UNC-Chapel Hill. Please send additions or comments. [
Pythonでカルマンフィルタを実装してみる
カルマンフィルタは、時間変化するシステムの、誤差のある離散的な観測から現在の状態を推定する手法。Wikipediaの記事（カルマンフィルター）がわかりやすい。 状態方程式と観測方程式が次のように与えられているとき （状態方程式） （観測方程式） （ノイズ） （フィルタ分布）線形カルマンフィルタ(LKF; Linear Kalman Filter)は μt, Σt, ut, yt+1 を入力として、 μt+1, Σt+1を出力する。1ステップのプロセスは以下のとおり。 # prediction （現在の推定値） （現在の誤差行列）# update （観測残差） （観測残差の共分散） （最適カルマンゲイン） （更新された現在の推定値） （更新された現在の誤差行列）観測を得るごとにPredictionとUpdateを繰り返すことで、現在の状態を推定します。 導出は後述（予定）。 例題を。 2次元
Markdown？はてな記法？それとも見たままモード？それぞれのメリットとデメリットを比較！Markdownでalt属性を変更したいのだが・・・ - wepli.2
はてなブログを使い初めて早いもので１周間がたちました。「はてなブログはアクセスが集まりやすい」とよく言われていますが、確かにその通りだと思います。このブログも１周間で３０００PVと、まずまずのアクセスを集めています。 ただ、はてなブログが万能かと言うと決して、そうではありません。特にエディターがどれも微妙な感じです。はてなブログには３つのモードで文章を打てるのですが、どれも一長一短です。本日は、はてなブログの３つの編集モードを考察してみたいと思います。 私がエディターに求めるもの Markdownで書きたい 画像のtitle属性は消して、alt属性を自分で入力したい スマホでもブログを書きたい（モブログ） 画像は「はてなフォトライフ」から挿入したい ごく当たり前のことを求めていますが、はてなブログのエディターは、なかなか思うように動いてくれません。 見たままモード 見たままモードのメリット
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
MLSA digital filter のC++実装 | LESS IS MORE