ترجمه مقاله نقش ضروری ارتباطات 6G با چشم انداز صنعت 4.0
- مبلغ: ۸۶,۰۰۰ تومان
ترجمه مقاله پایداری توسعه شهری، تعدیل ساختار صنعتی و کارایی کاربری زمین
- مبلغ: ۹۱,۰۰۰ تومان
There is good reason to model an asymmetric threat (a structured action such as a terrorist attack) as an HMM whose observations are cluttered. Within this context this paper presents two important contributions. The first is a Bernoulli filter that can process cluttered observations and is capable of detecting if there is an HMM present, and if so, estimate the state of the HMM. The second is an analysis of the problem that, for a given HMM model, is able to make statements regarding the minimum complexity that an HMM would need to involve in order that it be detectable with reasonable fidelity, as well as upper bounds on the level of clutter (expected number of false measurements) and probability of miss of a relevant observation. In a simulation study the Bernoulli filter is shown to give good performance provided that the probability of observation is larger than the probability of an irrelevant clutter observation. Further, the results show that the longer the delays are between the HMM state transitions, the larger the probability margin must be. The feasibility prediction shows that it is possible to predict the boundary between poor performance and good performance for the Bernoulli filter, i.e., it is possible to predict when the Bernoulli filter will be useful, and when it will not be.
دلیل خوبی برای مدلسازی تهدید نامتقارن (اقدام ساختاری شده بعنوان یک حمله تروریستی) بعنوان یک HMM وجود دارد که مشاهدات آن درهم و برهمی است. مقاله دو سهم مهم را در این زمینه ارائه می کند. سهم نخست فیلتر برنولی است که می تواند مشاهدات درهم و برهم شده را پردازش کند و قابلیت شناسایی را نیز دارد منوط به این که یک HMM وجود داشته باشد، و در صورت لزوم، حالت HMM را برآورد می کند. دومین سهم آنالیز مسئله برای یک مدل داده شده HMM است، که قادر به ایجاد اظهارات در رابطه با حداقل ترین پیچیدگی-ها است که یک HMM به آن نیاز دارد به این منظور که این با وفاداری منطقی قابل شناسایی است همچنین با کران های بالاتر در سطح درهم ریختگی (تعداد مورد انتظار از اندازه گیری های اشتباه) و احتمال از دست دادن مشاهدات مربوطه نیز قابل تشخیص است. در یک مطالعه شبیه سازی، نشان داده شده است که فیلتر برنولی عملکرد خوب ارائه شده را می دهد که احتمال مشاهده در مقایسه با احتمال مشاهده درهم ریختگی نامرتبط بالا است. همچنین، نتایج نشان می دهد که در صورت وجود تاخیرهای طولانی تر بین گذارهای حالت HMM، حاشیه احتمالی می بایست زیاد باشد. پیش بینی امکان پذیری نشان می دهد که این احتمال وجود دارد که مرز بین عملکرد ضعیف و عملکرد خوب برای فیلتر برنولی را پیش بینی کرد، یعنی این پیش بنیی شدنی است زمانی که فیلتر برنولی مفید یا غیر مفید باشد.