パラメータ推定（１）最小二乗法 - Qiita
こんな感じになります．サンプリング数を$n_s$とすれば，上の式の行列の行数が$n_s$になります．この式を単純に $$Y\Theta=F$$ とまとめましょう．ここで$Y\in\mathbb{R}^{n_s\times 2}$は観測値行列，$\Theta\in\mathbb{R^2}$が求めたいパラメータの行列，$F\in\mathbb{R}^{n_s}$が入力値行列になります．$Y$と$F$は既知ですので，この連立方程式を解けば$\Theta$が求まるはずです． しかしこの方程式は，等式による拘束条件が$n_s$本であるのに対し，未知数は質量$m$と粘性係数$b$の2種類なので，方程式を解くことはできません．その理由は，モデル化が不十分であったり，観測値にノイズが入ってしまうことに起因します（観測ノイズ等がなく，モデル化が完璧であれば，$n_s$本の等式を完璧に満足するパラメータ$m$
C++ 線形カルマンフィルタのプログラム的アルゴリズム - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? 背景 カルマンフィルタについて勉強する機会があったので、まとめたいと考えました。 カルマンフィルタには線形モデルと非線形モデルに大きく分けられます。 今回は線形モデルをC++で実装したいと思います。 制御工学において、カルマンフィルタは基礎的な手法であるのにもかかわらず、 いざ取り掛かってみると、概要は理解できたものの、自信で使いこなすのには苦労します。（私は苦労しました。凡人なので。） もし勉強している人がいるのであれば、 こちらでアルゴリズムを学び、実装できるきっかけになると私は嬉しいです。 また線形カルマンのC++のコードはpyt
[R] [bsts, dlm, KFAS] マーケティングの状態空間モデリング - ill-identified diary
概要 岩波 DS Vol. 6 での佐藤忠彦 (2017, 状態空間モデルのマーケティングへの応用)の記事でなされた小売業の売上量のモデリングを R で再現してみる. dlm と KFAS, そしてbstsパッケージを利用して, それぞれでプログラムを書いてみる. 最近はゆるめの読み物ばかり書いてきたので, 硬派にやっていく. よってそれなりにハードな内容である. 量はだいたい7ページ分くらい. 初めに最近は技術的なことをあまり書かずに抽象的な話ばかりやってきたので, 久々に戻そうと思う. そこで, 状態空間モデルを用いてマーケティングにおける売上数予測モデルの構築の例をやってみる. 今回は読者が状態空間モデルの話を知っている前提で書いている. 状態空間モデルを解説した記事には, 例えば自分が昔書いたものがある. もちろん他にも探せばいくらでもある. では具体的になにをやるかというと, 佐
![[R] [bsts, dlm, KFAS] マーケティングの状態空間モデリング - ill-identified diary](https://cdn-ak-scissors.b.st-hatena.com/image/square/14ad883c4521d1b72a2a429e2976d68962c27a5e/height=288;version=1;width=512/https%3A%2F%2Fcdn.image.st-hatena.com%2Fimage%2Fscale%2F4980b5143282ab3b6068722447555d3c06cad2b0%2Fbackend%3Dimagemagick%3Bheight%3D1300%3Bversion%3D1%3Bwidth%3D1300%2Fhttps%253A%252F%252Fcdn-ak.f.st-hatena.com%252Fimages%252Ffotolife%252Fi%252Fill-identified%252F20170906%252F20170906000146.png)
1
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
JSME-JT
FUSE_53813.pdf