جلد 18، شماره 1 - ( 4-1398 )                   جلد 18 شماره 1 صفحات 89-112 | برگشت به فهرست نسخه ها


XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Rezaei Tabar V, Fathipor H, Pérez-Sánchez H, Eskandari F, Plewczynski D. Mixture of Forward-Directed and Backward-Directed Autoregressive Hidden Markov Models for Time Series Modeling. JIRSS. 2019; 18 (1) :89-112
URL: http://jirss.irstat.ir/article-1-523-fa.html
رضایی تبار وحید، فتحی پور حسنا، اسکندری فرزاد. آمیخته مدلهای مارکوف پنهان اتورگرسیو پیشرو و پسرو در مدلهای سری زمانی . پژوهشنامه انجمن آمار ایران. 1398; 18 (1) :89-112

URL: http://jirss.irstat.ir/article-1-523-fa.html


دانشگاه علامه طباطبایی ، vhrezaei@gmail.com
چکیده:   (811 مشاهده)
مدلهای ماکوف پنهان ابزار بسیار مناسبی برای سریهای زمانی هستند.  در مدلهای مارکوف پنهان وابستگی مستقسم بین مشاهدات لحاظ نمی شود و مشاهدات به شرط وضعیتهای پنهان از یکدیگر مستقل هستند. بنابراین از بسط این روشها به نام مدلهای مارکوف پنهان  اتورگرسیو  پیشرو استفاده می شود. اما مدلهای مارکوف پنهان اتورگرسیو پسرو نیز در داده های سری زمانی باید مورد بررسی قرار گیرد. در این مقاله آمیخته ای از مدلهای مارکوف پنهان اتورگرسیو پیشرو و پسرو در نظر گرفته شده  و با استفاده از قواعد شبکه بیزی بسط داده می شود. کاربست این مدل آمیخته روی داده واقعی و شبیه سازی شده مورد بررسی قرار گرفته و نتایج نشان از قدرت بالای مدل نسبت به سایر مدلها است. 
متن کامل [PDF 279 kb]   (97 دریافت)    
نوع مطالعه: Original Paper | موضوع مقاله: 60Jxx: Markov processes
دریافت: ۱۳۹۷/۳/۱ | پذیرش: ۱۳۹۷/۶/۱۱ | انتشار: ۱۳۹۷/۶/۱۱

ارسال پیام به نویسنده مسئول


کلیه حقوق این وب سایت متعلق به پژوهشنامه انجمن آمار ایران می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2019 All Rights Reserved | Journal of The Iranian Statistical Society

Designed & Developed by : Yektaweb