. "18309"^^ . . . "39756603"^^ . . . . . . . . . . . . . "Filtrado generalizado"@es . . "El filtrado generalizado es un esquema de gen\u00E9rico para modelos de espacio de estado no lineales.\u200B Se basa en un principio variacional de m\u00EDnima acci\u00F3n, formulado en coordenadas generalizadas.\u200B Tenga en cuenta que el concepto de \"coordenadas generalizadas\" como se usa aqu\u00ED difiere del concepto de coordenadas generalizadas de movimiento como se usa en el an\u00E1lisis de sistemas din\u00E1micos (multicuerpo). El filtrado generalizado proporciona densidades posteriores sobre estados ocultos (y par\u00E1metros) que generan datos observados utilizando un descenso de gradiente generalizado en energ\u00EDa libre variacional, bajo el . A diferencia del filtrado cl\u00E1sico (p. ej. Kalman-Bucy o de part\u00EDculas), el filtrado generalizado evita las suposiciones markovianas sobre fluctuaciones aleatorias. Adem\u00E1s, opera en "@es . . "Generalized filtering"@en . . . . . . . . . . "Generalized filtering is a generic Bayesian filtering scheme for nonlinear state-space models. It is based on a variational principle of least action, formulated in generalized coordinates of motion. Note that \"generalized coordinates of motion\" are related to\u2014but distinct from\u2014generalized coordinates as used in (multibody) dynamical systems analysis. Generalized filtering furnishes posterior densities over hidden states (and parameters) generating observed data using a generalized gradient descent on variational free energy, under the Laplace assumption. Unlike classical (e.g. Kalman-Bucy or particle) filtering, generalized filtering eschews Markovian assumptions about random fluctuations. Furthermore, it operates online, assimilating data to approximate the posterior density over unknown quantities, without the need for a backward pass. Special cases include variational filtering, dynamic expectation maximization and generalized predictive coding."@en . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . "El filtrado generalizado es un esquema de gen\u00E9rico para modelos de espacio de estado no lineales.\u200B Se basa en un principio variacional de m\u00EDnima acci\u00F3n, formulado en coordenadas generalizadas.\u200B Tenga en cuenta que el concepto de \"coordenadas generalizadas\" como se usa aqu\u00ED difiere del concepto de coordenadas generalizadas de movimiento como se usa en el an\u00E1lisis de sistemas din\u00E1micos (multicuerpo). El filtrado generalizado proporciona densidades posteriores sobre estados ocultos (y par\u00E1metros) que generan datos observados utilizando un descenso de gradiente generalizado en energ\u00EDa libre variacional, bajo el . A diferencia del filtrado cl\u00E1sico (p. ej. Kalman-Bucy o de part\u00EDculas), el filtrado generalizado evita las suposiciones markovianas sobre fluctuaciones aleatorias. Adem\u00E1s, opera en l\u00EDnea, asimilando datos para aproximar la densidad posterior sobre cantidades desconocidas, sin la necesidad de pasos hacia atr\u00E1s. Los casos especiales incluyen filtrado variacional, \u200B maximizaci\u00F3n din\u00E1mica de expectativas \u200B y codificaci\u00F3n predictiva generalizada."@es . "1069927937"^^ . . "Generalized filtering is a generic Bayesian filtering scheme for nonlinear state-space models. It is based on a variational principle of least action, formulated in generalized coordinates of motion. Note that \"generalized coordinates of motion\" are related to\u2014but distinct from\u2014generalized coordinates as used in (multibody) dynamical systems analysis. Generalized filtering furnishes posterior densities over hidden states (and parameters) generating observed data using a generalized gradient descent on variational free energy, under the Laplace assumption. Unlike classical (e.g. Kalman-Bucy or particle) filtering, generalized filtering eschews Markovian assumptions about random fluctuations. Furthermore, it operates online, assimilating data to approximate the posterior density over unknown"@en . . . . .