Time Series Filtering, Smoothing and Learning using the Kernel Kalman Filter

Liva Ralaivola; Florence D'Alché-Buc

HAL : hal-00341953, version 1

DOI : 10.1109/IJCNN.2005.1556088

Fiche détaillée

Récupérer au format

Proceedings of IEEE International Joint Conference on Neural Networks 2005 (IJCNN 2005), Canada (2005)

Time Series Filtering, Smoothing and Learning using the Kernel Kalman Filter

Liva Ralaivola ¹, Florence D'Alché-Buc ²

(2005)

In this paper, we propose a new model, the kernel Kalman Filter, to perform various nonlinear time series processing. This model is based on the use of Mercer kernel functions in the framework of the Kalman filter or linear dynamical systems. Thanks to the kernel trick, all the equations involved in our model to perform filtering, smoothing and learning tasks, only require matrix algebra calculus whilst providing the ability to model complex time series. In particular, it is possible to learn dynamics from some nonlinear noisy time series implementing an exact expectation-maximization procedure.

1 :	Laboratoire d'informatique Fondamentale de Marseille (LIF)

	CNRS : UMR6166 – Université de la Méditerranée - Aix-Marseille II – Université de Provence - Aix-Marseille I

2 :	Informatique, Biologie Intégrative et Systèmes Complexes (IBISC)

	CNRS : FRE3190 – Université d'Evry-Val d'Essonne

Domaine

Sciences cognitives/Informatique

Informatique/Bio-informatique

Sciences du Vivant/Bio-Informatique, Biologie Systémique

Informatique/Modélisation et simulation

Informatique/Apprentissage

Informatique/Base de données


hal-00341953, version 1
http://hal.archives-ouvertes.fr/hal-00341953
oai:hal.archives-ouvertes.fr:hal-00341953
Contributeur : Frédéric Davesne <>
Soumis le : Mercredi 26 Novembre 2008, 14:09:57
Dernière modification le : Mercredi 11 Février 2009, 19:54:08