Робастно последователно Монте Карло
Робастното последователно Монте Карло (Robust SMC) разширява стандартното филтриране с частици, за да се справя с аномалии, шумови разпределения с тежки опашки и неправилно специфицирани модели в последователни данни. Чрез замяна на предположенията за Гаусова правдоподобност с разпределения с по-тежки опашки или чрез прилагане на стратегии за откриване на аномалии по време на претегляне на частиците, то поддържа точно проследяване на състоянието и оценка на параметрите, дори когато наблюденията се отклоняват от предполагаемия модел.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Източници
- Ristic, B., Arulampalam, S., & Gordon, N. (2004). Beyond the Kalman Filter: Particle Filters for Tracking Applications. Artech House. ISBN: 978-1580536318
- Akyildiz, O. D., & Miguez, J. (2020). Nudging the particle filter. Statistics and Computing, 30(2), 315-336. DOI: 10.1007/s11222-019-09884-y ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Robust Sequential Monte Carlo Methods. ScholarGate. https://scholargate.app/bg/bayesian/robust-sequential-monte-carlo
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Хамилтънов Монте КарлоБейсови методи↔ compare
- Калманов филтърБейсови методи↔ compare
- Частицов филтър (последователен Монте Карло)Бейсови методи↔ compare
- Robust Bayesian InferenceБейсови методи↔ compare
- Устойчив Калманов филтърБейсови методи↔ compare
- Последователен Монте КарлоБейсови методи↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →