Estou no youtube desde o primeiro "commit" da plataforma (hahah) e é a primeira vez que vejo uma explicação sobre o Filtro de Kalman em português, sem enrolation. Sério! Esse algoritmo deveria ser muito mais popular devido às suas inúmeras aplicações. Estou desenvolvendo um piloto automático para Drones que usa uma plataforma inercial (IMU) com componentes de baixo custo e o Filtro de Kalman é fundamental para garantir a estabilidade das leituras em um sistema que é inerentemente cheio de ruídos. Um fator que pode limitar sua aplicação em alguns cenários é o fato de ser bastante intensivo computacionalmente, tanto em termos de CPU quanto em memória (com grandes poderes, vem grandes responsabilidades...). Espero ver mais conteúdos desse tipo. Aliás, que tal falar também sobre o PID (Proportional, Integral, Derivative), que é outro algoritmo muito utilizado na Teoria de Controle? Desejo muito sucesso ao canal!
Cara que saudosismo tudo isso que você escreveu. Eu usei PID no estágio para controlar o braço mecânico de uma máquina. Seria bem legal mesmo uma aula do tipo. Obrigado pela sugestão e abraços!
Pra complementar a explicação da idéia do filtro: O filtro de Kalman assume que vc nunca conhece o estado real. Vc tem uma medida do estado, mas não confia 100% no seu sensor (sua medição é incerta). No vídeo deu a entender que vc não tem certeza da medição até que ela aconteça, mas não é bem isso. Vc tem a medida, ela é sempre incerta e vc quer melhorá-la, por isso é um filtro. Além da medição, vc tem um modelo para fazer predições do estado. Então o filtro combina os dois, poderando medição e predição de acordo com a razão entre as incertezas (as covariâncias dos erros) do sensor e de modelo, pra te dar a melhor estimativa do estado real. Essa razão da covariâncias é justamente o ganho K. Ou seja, quanto vc confia na medição e quanto vc confia no modelo. Além disso, outra aplicação do filtro, talvez a mais poderosa, é estimar estados que vc NAO MEDIU.
Leandro, excelente aula! Poderia indicar alguns livros sobre o assunto por ordem de dificuldade: básico, médio, avançado? Se souber de algum livro aplicado da teoria do filtro de Kalman em economia, agradeço! Muito Obrigado!
Estou no youtube desde o primeiro "commit" da plataforma (hahah) e é a primeira vez que vejo uma explicação sobre o Filtro de Kalman em português, sem enrolation. Sério! Esse algoritmo deveria ser muito mais popular devido às suas inúmeras aplicações. Estou desenvolvendo um piloto automático para Drones que usa uma plataforma inercial (IMU) com componentes de baixo custo e o Filtro de Kalman é fundamental para garantir a estabilidade das leituras em um sistema que é inerentemente cheio de ruídos. Um fator que pode limitar sua aplicação em alguns cenários é o fato de ser bastante intensivo computacionalmente, tanto em termos de CPU quanto em memória (com grandes poderes, vem grandes responsabilidades...). Espero ver mais conteúdos desse tipo. Aliás, que tal falar também sobre o PID (Proportional, Integral, Derivative), que é outro algoritmo muito utilizado na Teoria de Controle? Desejo muito sucesso ao canal!
Cara que saudosismo tudo isso que você escreveu. Eu usei PID no estágio para controlar o braço mecânico de uma máquina. Seria bem legal mesmo uma aula do tipo. Obrigado pela sugestão e abraços!
Pra complementar a explicação da idéia do filtro: O filtro de Kalman assume que vc nunca conhece o estado real. Vc tem uma medida do estado, mas não confia 100% no seu sensor (sua medição é incerta). No vídeo deu a entender que vc não tem certeza da medição até que ela aconteça, mas não é bem isso. Vc tem a medida, ela é sempre incerta e vc quer melhorá-la, por isso é um filtro. Além da medição, vc tem um modelo para fazer predições do estado. Então o filtro combina os dois, poderando medição e predição de acordo com a razão entre as incertezas (as covariâncias dos erros) do sensor e de modelo, pra te dar a melhor estimativa do estado real. Essa razão da covariâncias é justamente o ganho K. Ou seja, quanto vc confia na medição e quanto vc confia no modelo.
Além disso, outra aplicação do filtro, talvez a mais poderosa, é estimar estados que vc NAO MEDIU.
Excelentes pontos, muito obrigado, Marcus! Abraços
Leandro, excelente aula! Poderia indicar alguns livros sobre o assunto por ordem de dificuldade: básico, médio, avançado? Se souber de algum livro aplicado da teoria do filtro de Kalman em economia, agradeço! Muito Obrigado!
Didática excelente meu amigo. Fiquei apreensivo de n achar uma videoaula assim em português.
Muito obrigado mesmo. Grande abraço
Muito legal Leandro, parabéns pelo conteúdo! Seria legal se pudesse disponibilizar a planilha. hehe
Muito obrigado mesmo! Ficará para os alunos do OMNP esta. Grande abraço
Meus parabéns
Obrigado mesmo. Abraços!
E se usássemos o preço médio diário como medida e a volatilidade intradiária como desvio padrão?
Acho que pode ser tentando, apesar de de que não é recomendado usar o preço para nada. Mas, não custa tentar. Abraços e obrigado pelo comentário
Que algoritmo elegante
De fato!
Posta o excel, kkk! Sou novo, mas estou apaixonado por seu modelos matemáticos. Parabéns.
Muito obrigado mesmo e seja muito bem-vindo! O Excel está disponível para os alunos do OMNP. Abraços e obrigado pelo comentário