Procesos aleatorios mejorados
Version 10 expands on the already extensive random process framework with new processes, including hidden Markov models. Hidden Markov models are typically used to infer the hidden internal state from emissions, as in communication decoding, speech recognition, and biological sequence analysis. The random process framework also adds advanced time series processes and transformations of existing processes, as well as significantly improves computation with slice distributions—the bridge from random processes to random variables—often giving definite conclusions about expected process behavior from models.
- Soporte para procesos ocultos de Markov con valores escalares y vectoriales. »
- Soporte para procesos ocultos de Markov con emisiones discretas o continuas.
- Soporte para procesos ocultos de Markov con estados silenciosos.
- Encuentre la secuencia de estados ocultos desde emisiones usando Viterbi y otros métodos de decodificación. »
- Estime automáticamente parámetros de procesos ocultos de Markov a partir de datos.
- Construya nuevos procesos como transformaciones de otros procesos. »
- Soporte para proceso de ruido blanco no gaussiano. »
- Soporte para proceso de ruido gaussiano con color.
- Soporte para prueba de autocorrelación serial de series temporales. »
- Soporte sustancialmente mejorado para computación con intervalos de tiempo de procesos a través de todos los procesos aleatorios.
- Rendimiento de simulación sustancialmente mejorado para la mayoría de procesos aleatorios.
- Mejoras sustanciales en robustez y rendimiento de estimación de parámetros para muchos procesos.