Show
Ignore:
Timestamp:
06/07/10 17:25:57 (15 years ago)
Author:
smidl
Message:

doc

Location:
applications/bdmtoolbox/mex/mex_classes
Files:
3 modified

Legend:

Unmodified
Added
Removed

  • applications/bdmtoolbox/mex/mex_classes/mexBM.m

    r944 r1054  
     1%> @file mexEpdf.m 
     2%> @brief File mapping root class of BM from BDM 
     3% ====================================================================== 
     4%> @brief Abstract class of Bayesian Model (estimator), bdm::BM 
     5% 
     6%> This class provides a bridge between bdm::BM and Matlab 
     7% ====================================================================== 
    18classdef mexBM 
    29    properties 
    3         % description of internal variables 
     10        %> description of internal variables of parameters 
    411        rv=RV 
     12        %> description of internal variables of data in condition 
    513        rvc=RV 
     14        %> description of internal variables of observed data 
    615        rvy=RV 
    7         % log of evidence (marginal likelihood) potentially computed by the 
     16        %> log of evidence (marginal likelihood) potentially computed by the 
    817        % bayes rule for one step 
    918        log_evidence 
    10         % posterior density - offspring of mexEpdf! 
     19        %> posterior density - offspring of mexEpdf! 
    1120        apost_pdf 
    1221        % 
    … …  
    1423 
    1524    methods 
     25        %> check consistency of the object and fill defaults 
    1626        function p=validate(p) 
    1727            % checks if all paramateres match 
    1828        end 
     29        %> dimensionality of the class: dims = [size_of_posterior size_of_data size_of_condition] 
    1930        function dims=dimensions(p) 
    2031            %please fill 
    … …  
    2233            dims = [0,0,0] % 
    2334        end 
     35        %> Performs Bayesian update of the internal posterior using data \a dt and condition \a cond. 
    2436        function obj=bayes(obj,dt,cond) 
    2537            % transform old estimate into new estimate 
    2638        end 
     39        %> Computes predictor of the observed data in the next step 
    2740        function p=epredictor(obj,cond) 
    2841            % return posterior density 
    … …  
    3952            r=obj.rvy; 
    4053        end 
     54        %> Evidence of the last data, \f[f(y_t|y_0\ldots y_t-1, cond_0\ldots cond_t\f] 
    4155        function ev = logevidence(obj) 
    4256            ev = obj.log_evidence; 
    4357        end 
     58        %> Posterior pdf 
    4459        function post=posterior(obj); 
    4560            post = obj.apost_pdf; 

  • applications/bdmtoolbox/mex/mex_classes/mexDirac.m

    r983 r1054  
     1%> @file mexDirec.m 
     2%> @brief Matlab implementation of Dirac density  
     3% ====================================================================== 
     4%> @brief Unconditional Dirac density 
     5% 
     6%> \f[ f(x| x_i) = \delta(x-x_i)\f] 
     7% ====================================================================== 
    18classdef mexDirac < mexEpdf 
    29    % Dirac delta probability distribution 

  • applications/bdmtoolbox/mex/mex_classes/mexLaplace.m

    r944 r1054  
     1%> @file mexLaplace.m 
     2%> @brief Matrlab implemnetation of Laplace density 
     3% ====================================================================== 
     4%> @brief Unconditional Laplace density 
     5% 
     6%> \f[ f(x|\mu,b) \propto \exp(-|x-\mu|/b)\f] 
     7% ====================================================================== 
    18classdef mexLaplace < mexEpdf 
    29    properties