ScholarGate
Assistent
Bayesian methodsBayesian / computational

Monte Carlo Seqüencial Robusta

El Monte Carlo Seqüencial Robusta (Robust SMC) estén de l'filtratge estàndard de partícules per gestionar valors atípics, soroll amb cues pesades i especificació incorrecta del model en dades seqüencials. En reemplaçar les hipòtesis de versemblança Gaussiana per distribucions de cues més pesades o en utilitzar estratègies de detecció de valors atípics durant la ponderació de partícules, manté un seguiment precís de l'estat i una estimació de paràmetres fins i tot quan les observacions es desvien del model assumit.

Obre a MethodMindAviatVídeoAviatDownload slides

Llegeix el mètode complet

Només per a membres

Inicia la sessió amb un compte gratuït per llegir aquesta secció.

Inicia la sessió

Method map

The neighbourhood of related methods — select a node to explore.

Fonts

  1. Ristic, B., Arulampalam, S., & Gordon, N. (2004). Beyond the Kalman Filter: Particle Filters for Tracking Applications. Artech House. ISBN: 978-1580536318
  2. Akyildiz, O. D., & Miguez, J. (2020). Nudging the particle filter. Statistics and Computing, 30(2), 315-336. DOI: 10.1007/s11222-019-09884-y

Com citar aquesta pàgina

ScholarGate. (2026, June 3). Robust Sequential Monte Carlo Methods. ScholarGate. https://scholargate.app/ca/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.

Compare side by side

Citat per

ScholarGateRobust Sequential Monte Carlo (Robust Sequential Monte Carlo Methods). Recuperat el 2026-06-15 de https://scholargate.app/ca/bayesian/robust-sequential-monte-carlo · Conjunt de dades: https://doi.org/10.5281/zenodo.20539026