Cuốn sách này đóng vai trò như một hướng dẫn giải thích cách xây dựng các bộ ước tính trạng thái khác nhau (bộ lọc Bayesian) khi tất cả hoặc một phần các quan sát là nhị phân. Cuốn sách bắt đầu bằng cách nêu ngắn gọn nhu cầu ước tính trạng thái quy trình điểm, sau đó là phần giới thiệu về phương pháp tiếp cận tổng thể, cũng như một số tài liệu cơ bản về thống kê cần thiết cho các phép suy ra phương trình được sử dụng trong các chương tiếp theo. Các chương tiếp theo tập trung vào các mô hình không gian trạng thái khác nhau và cung cấp các giải thích từng bước về cách xây dựng các bộ lọc Bayesian tương ứng. Mỗi chương chính mô tả một mô hình không gian trạng thái duy nhất cũng mô tả các ví dụ mã MATLAB tương ứng ở cuối. Các mô tả cũng được cung cấp liên quan đến mã. Mã này chứa cả các ví dụ dữ liệu mô phỏng và thử nghiệm. Tất cả các ví dụ dữ liệu thử nghiệm đều được lấy từ các thí nghiệm thực tế. Các thí nghiệm liên quan đến việc ghi lại dữ liệu về độ dẫn điện của da, nhịp tim và cortisol trong máu. Một hộp công cụ MATLAB gồm các ví dụ mã bao gồm các bộ lọc khác nhau được đề cập trong cuốn sách được bao gồm trong trang web đi kèm. Cuốn sách chủ yếu dành cho sinh viên sau đại học chuyên ngành kỹ thuật điện, những người sẽ bắt đầu nghiên cứu về ước tính trạng thái liên quan đến dữ liệu quy trình điểm hoặc dữ liệu hỗn hợp

Abstract:

This book serves as a tutorial that explains how different state estimators (Bayesian filters) can be built when all or part of the observations are binary. The book begins by briefly motivating the need for point process state estimation followed by an introduction to the overall approach, as well as some basic background material in statistics that are necessary for the equation derivations that are utilized in subsequent chapters. The subsequent chapters focus on different state-space models and provide step-by-step explanations on how to build the corresponding Bayesian filters. Each of the main chapters that describes a single state-space model also describes the corresponding MATLAB code examples at the end. Descriptions are also provided regarding the code. The code contains both simulated and experimental data examples. All the experimental data examples are taken from real-world experiments. The experiments involve the recording of skin conductance, heartrate and blood cortisol data. A MATLAB toolbox of code examples that cover the different filters covered in the book is included in a companion webpage. The book is primarily intended for graduate students in either electrical engineering who will be beginning research in state estimation related to point process data or mixed data

Ngôn ngữ:	eng
Tác giả:	Wickramasuriya, Dilranjan S., Faghih, Rose T.
Thông tin nhan đề:	Bayesian Filter Design for Computational Medicine: A State-Space Estimation Framework
Nhà xuất bản:	Springer Nature
Loại hình:	Tài nguyên giáo dục mở / Bộ sưu tập: Điện
Bản quyền:	http://creativecommons.org/licenses/by/4.0/
Nguồn gốc:	https://library.oapen.org/handle/20.500.12657/89933
Mô tả vật lý:	228p.
Năm xuất bản:	2024