NNPF: Neural Network Particle Filter voor tijdreeksen
Een nieuw particle filter gebaseerd op een neuraal netwerk voor het analyseren van volatiele tijdreeken.
In dit artikel wordt een nieuw particle filter voorgesteld voor het analyseren van structurele tijdreeksmodellen voor volatiele tijdreeksen. In plaats van een parametrische verdeling voor de observatievergelijking te veronderstellen, wordt een neuraal netwerk toegepast om de verdeling voor de waarnemingsvergelijking op niet-parametrische wijze te schatten. Deze dichtheid wordt gebruikt in een particle filter om een structureel tijdreeksmodel te fitten. Met een simulatie wordt aangetoond dat deze methode beter presteert dan het Kalman-filter in het geval van volatiele tijdreeksen met verdelingen met dikke staarten voor de observatievergelijking. De methode wordt geïllustreerd met een echte toepassing op wegsensorgegevens.
