问题标签 [state-space]

我正在尝试实现状态空间图的深度优先迭代深化搜索。我有一个包含三个顶点的图，它们是两个激活边和两个抑制边。每个节点都有一个二进制值，这就是图的状态。该图可以通过查看其中一个节点是高于阈值还是低于阈值（通过对所有传入节点求和来计算）转换到新状态。每次转换最多会改变一个节点。由于它们是三个节点，因此它们是三个状态转换边，将每个状态留在状态转换图中。

我认为我的 state_change/3 工作正常，例如我可以查询：

它给了我三个正确的答案：

我正在尝试使用 Bratkos Prolog for AI book 中给出的谓词 id_path，这是问题 11.3 的解决方案，但我在使用/调整它时遇到问题。 我想创建从起始节点到其他节点的路径，而不会进入循环 - 我不希望它有重复元素或在路径不存在时卡住。我想让路径说起始状态，然后您可以从起始状态访问一系列状态。如果有一个自我循环，我希望每一种到达那里的方式都包含一次。即我想跟踪我到达状态空间的方式，并使其独一无二，而不仅仅是状态空间在路径中是唯一的。

例如，从 011 开始，我希望用弧线找到长度为 1 的所有三个路径。

然后在下一级所有具有三个节点的路径，显示它需要到达节点的两条弧，然后在下一级，所有具有四个节点的路径显示它需要的三个弧等

如果这有帮助，我也将我的代码放入 SWISH 中？（第一次尝试这个？！）

http://pengines.swi-prolog.org/apps/swish/p/HxBzEwLb.pl#&togetherjs=xydMBkFjQR

我正在写一篇研究文章

使用 Takagi-Sugeno 模型和凸优化的时滞非线性离散时间系统的局部稳定

由 Luís FP Silva、Valter JS Leite、Eugênio B. Castelan 和 Michael Klug 撰写。

在本文中，我们得到一个状态空间

这里x是系统状态和xd延迟状态。

我很困惑我们如何绘制这个系统的状态。

I am attempting to estimate multivariate linear state space model across a panel of stocks. I have daily returns over 15 years and have aggerated them to monthly time series. As excepted, the issue that the entire process of MLE estimates takes a huge amount of time to complete. Is there an efficient way of handling this?

The model is the multivariate version of the dynamic Fama-French three factor model for m assets, j=1,…,m. Factors are loaded in x(t). Model is then:

where it is sensible to assume that the intercepts and the slopes are correlated across the m stocks. The above model can be rewritten in a more general form such as

where

I am using dlm package and here is a snap shot of the code:

我对 CausalImpact 包的一些输出的解释有疑问。这个包使用贝叶斯结构时间序列包 bsts，它使用 MCMC 估计状态空间模型。

例子：

该示例估计具有局部线性趋势和回归分量的状态空间模型。请参阅以下显示趋势的命令的输出；x2 是回归分量。

我的问题涉及 bsts.model 对象的 2 个元素：final.state 和状态贡献。

，其中每一行用于 MCMC 的 1 次迭代（运行了 1000 次迭代）。

这些输出的解释是什么？

谢谢

我正在尝试学习 FWGC 人工智能问题的生产系统。更多详细信息https://www.cs.unm.edu/~luger/ai-final2/CH4_Depth-.%20Breadth-,%20and%20Best-first%20Search .pdf

我在理解图表的构建方式方面遇到了问题。我了解这个数字以及如何根据位置表示状态。

这个图是如何构建的？有人可以解释吗？

我有一个 MIMO 状态空间系统。我需要在matlab中获得可控性规范实现。我该怎么做？。我只知道在SISO系统上找到一个可控可观察的。谁能帮我？

据我了解，启发式的可接受性是在给定的评估节点的“实际距离成本”范围内。我不得不为状态空间上的 A* 解决方案搜索设计一些启发式方法，并且使用有时可能返回负值的启发式方法获得了很多积极的效率，因此使某些节点更“接近”目标国家在边境有较高的地位。

但是，我担心这是不可接受的，但在网上找不到足够的信息来验证这一点。我确实找到了德克萨斯大学的一篇论文，该论文似乎在后来的一个证明中提到“......因为启发式函数是非负的”。谁能证实这一点？我认为这是因为返回一个负值作为您的启发式函数会使您的 g-cost 变为负数（因此会干扰 A* 的“默认”dijkstra-esque 行为）。

我在 R 中使用ucm()包的功能rucm。我试图预测销售量，其中单位是因变量，月、日、温度是自变量。运行代码时出现以下错误

月份和日期是分类变量，温度是连续的。是因为使用分类变量吗？我将不胜感激任何帮助。

提前致谢。

我正在尝试使用状态空间模型来估计人口统计数据（繁殖力、存活率、人口增长、人口规模）。我们有 4 个不同的年龄状态。

这是错误代码：

不幸的是，当我运行代码时出现以下错误。

有人对我们为什么会收到此错误有任何建议吗？不知道为什么 J0 的分布是错误的。

我有一个 ETS(M,Md,N) 模型，想以状态空间形式编写它：

yt=w(x{t-1})+r(x{t-1})ɛt xt=f(x{t-1})+g(x{t-1})ɛt

对于加性趋势，状态向量 xt=(lt,bt)'。但我不知道如何为乘法趋势编写状态向量 xt。

谁能帮忙：D