Processos Aleatórios Aprimorados

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.

Suporte para processos ocultos de Markov escalares e vetoriais. »
Suporte para processos ocultos de Markov com emissões discretas ou contínuas.
Suporte para processos ocultos de Markov com estados silenciosos.
Encontre a sequência de estados ocultos de emissões usando Viterbi e outros métodos de decodificação. »
Estime automaticamente parâmetros de processos ocultos de Markov a partir de dados.
Crie novos processos como transformações de outros processos. »

Suporte para processo de ruído branco não gaussiano. »
Suporte para processo de ruido colorido gaussiano.
Suporte para teste de autocorrelação serial de séries temporais. »
Suporte substancialmente melhorado para computação com fatias de tempo de processos em todos os processos aleatórios.
Desempenho de simulação substancialmente aprimorado para a maioria dos processos aleatórios.
Melhorias de desempenho e solidez na estimativa de parâmetros para muitos processos.