Sequential Bayesian inference for spatio-temporal models of temperature and humidity data

•The paper develops a novel spatio-temporal model for temperature and humidity data.•The model is fit to streaming data by using a cutting-edge sequential Monte Carlo algorithm: the iterated batch importance sampling scheme.•We derive an on-line implementation of this algorithm which is more efficie...

Celý popis

Podrobná bibliografie

Vydáno v:	Journal of computational science Ročník 43; s. 101125
Hlavní autoři:	Lai, Yingying, Golightly, Andrew, Boys, Richard J.
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	Elsevier B.V 01.05.2020
Témata:	Dynamic linear models (DLMs) Iterated batch importance sampling (IBIS) Parallel computing Sequential Monte Carlo (SMC) Dynamic linear models (DLMs) Parallel computing Iterated batch importance sampling (IBIS) Sequential Monte Carlo (SMC)
ISSN:	1877-7503, 1877-7511
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!