root/library/bdm/estim/particles.cpp @ 1064

#include "particles.h"

namespace bdm {

using std::endl;


void PF::bayes_weights() {
//
    double mlls = max ( lls );
    // compute weights
    for ( int  i = 0; i < n; i++ ) {
        w ( i ) *= exp ( lls ( i ) - mlls ); // multiply w by likelihood
    }

    //renormalize
    double sw = sum ( w );
    if ( !std::isfinite ( sw ) ) {
        for ( int i = 0; i < n; i++ ) {
            if ( !std::isfinite ( w ( i ) ) ) {
                w ( i ) = 0;
            }
        }
        sw = sum ( w );
        if ( !std::isfinite ( sw ) || sw == 0.0 ) {
            bdm_error ( "Particle filter is lost; no particle is good enough." );
        }
    }
    w /= sw;
}

void PF::bayes ( const vec &yt, const vec &cond ) {

    /*  if (auxiliary){
                ...
        }*/
    // weight them - data step
    for (int i = 0; i < n; i++ ) {
        particles(i)->bayes(yt,cond);
        lls ( i ) = particles(i)->_ll(); //+= because lls may have something from gensmp!
    }

    bayes_weights();

    if ( do_resampling() ) {
        resample ( );
    }

}

// void PF::set_est ( const epdf &epdf0 ) {
//      int i;
//
//      for ( i=0;i<n;i++ ) {
//              _samples ( i ) = epdf0.sample();
//      }
// }

// vec MPF::mpfepdf::mean() const {
//      const vec &w = pf->posterior()._w();
//      vec pom = zeros ( BMs ( 0 )->posterior ().dimension() );
//      //compute mean of BMs
//      for ( int i = 0; i < w.length(); i++ ) {
//              pom += BMs ( i )->posterior().mean() * w ( i );
//      }
//      return concat ( pf->posterior().mean(), pom );
// }
//
// vec MPF::mpfepdf::variance() const {
//      const vec &w = pf->posterior()._w();
//
//      vec pom = zeros ( BMs ( 0 )->posterior ().dimension() );
//      vec pom2 = zeros ( BMs ( 0 )->posterior ().dimension() );
//      vec mea;
//
//      for ( int i = 0; i < w.length(); i++ ) {
//              // save current mean
//              mea = BMs ( i )->posterior().mean();
//              pom += mea * w ( i );
//              //compute variance
//              pom2 += ( BMs ( i )->posterior().variance() + pow ( mea, 2 ) ) * w ( i );
//      }
//      return concat ( pf->posterior().variance(), pom2 - pow ( pom, 2 ) );
// }
//
// void MPF::mpfepdf::qbounds ( vec &lb, vec &ub, double perc ) const {
//      //bounds on particles
//      vec lbp;
//      vec ubp;
//      pf->posterior().qbounds ( lbp, ubp );
//
//      //bounds on Components
//      int dimC = BMs ( 0 )->posterior().dimension();
//      int j;
//      // temporary
//      vec lbc ( dimC );
//      vec ubc ( dimC );
//      // minima and maxima
//      vec Lbc ( dimC );
//      vec Ubc ( dimC );
//      Lbc = std::numeric_limits<double>::infinity();
//      Ubc = -std::numeric_limits<double>::infinity();
//
//      for ( int i = 0; i < BMs.length(); i++ ) {
//              // check Coms
//              BMs ( i )->posterior().qbounds ( lbc, ubc );
//              //save either minima or maxima
//              for ( j = 0; j < dimC; j++ ) {
//                      if ( lbc ( j ) < Lbc ( j ) ) {
//                              Lbc ( j ) = lbc ( j );
//                      }
//                      if ( ubc ( j ) > Ubc ( j ) ) {
//                              Ubc ( j ) = ubc ( j );
//                      }
//              }
//      }
//      lb = concat ( lbp, Lbc );
//      ub = concat ( ubp, Ubc );
// }
//
//
//
// void MPF::bayes ( const vec &yt, const vec &cond ) {
//      // follows PF::bayes in most places!!!
//      int i;
//      int n = pf->__w().length();
//      vec &lls = pf->_lls();
//      Array<vec> &samples = pf->__samples();
//
//      // generate samples - time step
//      pf->bayes_gensmp ( vec ( 0 ) );
//      // weight them - data step
// #pragma parallel for
//      for ( i = 0; i < n; i++ ) {
//              vec bm_cond ( BMs ( i )->dimensionc() );
//              this2bm.fill_cond ( yt, cond, bm_cond );
//              pf2bm.filldown ( samples ( i ), bm_cond );
//              BMs ( i ) -> bayes ( this2bm.pushdown ( yt ), bm_cond );
//              lls ( i ) += BMs ( i )->_ll();
//      }
//
//      pf->bayes_weights();
//
//      ivec ind;
//      if ( pf->do_resampling() ) {
//              pf->resample ( ind );
//
// #pragma omp parallel for
//              for ( i = 0; i < n; i++ ) {
//                      if ( ind ( i ) != i ) {//replace the current Bm by a new one
//                              delete BMs ( i );
//                              BMs ( i ) = (BM*) BMs ( ind ( i ) )->_copy(); //copy constructor
//                      }
//              };
//      }
// };
//
//
// void MPF_ARXg::bayes ( const vec &yt, const vec &cond ) {
//      // follows PF::bayes in most places!!!
//      int i;
//      int n = pf->__w().length();
//      vec &lls = pf->_lls();
//      Array<vec> &samples = pf->__samples();
//
//      // generate samples - time step
//      for (int i =0;i<n; i++){
//              mat M; chmat R;
//              BMsp(i)->posterior().sample_mat(M,R);
//              vec diff=R._Ch().T()*randn(samples(i).length());
//              samples(i) = g->eval(samples(i)) + diff;
//              ////////////
// //           samples(i) = cond;
//              /////////
//              BMsp(i)->bayes(diff);
//      }
//      // weight them - data step
//      enorm<ldmat> ooo;
//      ooo.set_parameters(zeros(2),0.1*eye(2));
//      ooo.validate();
//
//      #pragma parallel for
//      for ( i = 0; i < n; i++ ) {
//              vec tmp=yt - h->eval(samples(i));
//              BMso ( i ) -> bayes ( tmp );
//              lls ( i ) += BMso ( i )->_ll();
//              /////
//              ooo._mu()=h->eval(samples(i));
//              lls(i) = ooo.evallog_nn(yt);
//      }
//
//      pf->bayes_weights();
//
//      ivec ind;
//      if ( pf->do_resampling() ) {
//              pf->resample ( ind );
//
//              #pragma omp parallel for
//              for ( i = 0; i < n; i++ ) {
//                      if ( ind ( i ) != i ) {//replace the current Bm by a new one
//                              delete BMso ( i );
//                              BMso ( i ) = (ARX*) BMso ( ind ( i ) )->_copy(); //copy constructor
//                              delete BMsp ( i );
//                              BMsp ( i ) = (ARX*) BMsp ( ind ( i ) )->_copy(); //copy constructor
//                      }
//              };
//      }
// };
//
// void MPF_ARXg::from_setting(const libconfig::Setting& set) {
//      BM::from_setting(set);
//
//      pf = new PF;
//      // prior must be set before BM
//      pf->prior_from_set ( set );
//      pf->resmethod_from_set ( set );
//
//      // read functions g and h
//      g=UI::build<fnc>(set,"g");
//      h=UI::build<fnc>(set,"h");
//
//      set_dim( g->dimension());
//      dimy = h->dimension();
//
//      shared_ptr<ARX> arxo=UI::build<ARX>(set,"arxo");
//      shared_ptr<ARX> arxp=UI::build<ARX>(set,"arxp");
//      int n = pf->__samples().length();
//      BMso.set_length(n);
//      BMsp.set_length(n);
//      for(int i=0; i<n; i++){
//              BMso(i)=arxo->_copy();
//              BMsp(i)=arxp->_copy();
//      }
//
//      yrv = arxo->_yrv();
//      //rvc = arxo->_rvc();
//
//      validate();
//
// }


}
//MPF::MPF:{}