A review of the Expectation Maximization algorithm in data-driven process identification

The Expectation Maximization (EM) algorithm has been widely used for parameter estimation in data-driven process identification. EM is an algorithm for maximum likelihood estimation of parameters and ensures convergence of the likelihood function. In presence of missing variables and in ill conditio...

Celý popis

Uloženo v:

Podrobná bibliografie
Vydáno v:	Journal of process control Ročník 73; s. 123 - 136
Hlavní autoři:	Sammaknejad, Nima, Zhao, Yujia, Huang, Biao
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	Elsevier Ltd 01.01.2019
Témata:	Data-driven process identification Expectation Maximization algorithm Hidden Markov Models Latent variable models Missing data Multiple models Outlier treatment State space Switching Time delay Data-driven process identification Missing data Multiple models Latent variable models Outlier treatment State space Time delay Hidden Markov Models Expectation Maximization algorithm Switching
ISSN:	0959-1524, 1873-2771
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!

Buďte první, kdo okomentuje tento záznam!