Изучено поведение фильтра Калмана при интерпретации неизвестных начальных состояний как случайных величин, имеющих матрицу ковариации, пропорциональную большому положительному параметру. Разработанный подход позволяет выразить характеристики фильтра в аналитической форме, объяснить феномен расходимости и предложить предельный алгоритм оценивания, не зависящий от большого параметра, приводящего к расходимости. В качестве приложения рассмотрены две задачи - фильтрация со скользящим окном и оценка параметров сепарабельной регрессии. Результаты иллюстрируются на примере обучения радиальной базисной нейронной сети.

  Якщо, ви не знайшли інформацію про автора(ів) публікації, маєте бажання виправити або відобразити більш докладну інформацію про науковців України запрошуємо заповнити "Анкету науковця"