Rozdíl mezi stavem a parametry nelineárního modelu je v tom, že stavy se v čase mění, kdežto parametry ne. To představuje významný problém pro Bayesovské odhadování, kde správným výsledkem je konvergence neznámého parametru ke skutečné hodnotě. Tohoto výsledku zatím žádná Bayesovská technika nedosáhla. Za nejlepší praktické techniky se považují takové, které odhadují parametry jako kdyby se pomalu měnily. Důsledkem toho ovšem neklesá variance odhadu prametru s časem k nule. Nedávno představená technika maximálně věrohodného odhadu nazvaná forward smoothing dokazuje konvergenci odhadu parametru ke správné hodnotě. Tento algoritmus má nápadné podobnosti s algoritmem exponenciálního zapomínání. Na semináři bude představen pokus interpretovat odlišnosti obou metod pomocí entropie.