Robustní částicový filtr
Robustní částicový filtr je sekvenční metoda Monte Carlo, která sleduje skryté stavy v nelineárních, negauusovských systémech a zároveň zůstává odolná vůči odlehlým hodnotám a nesprávné specifikaci modelu. Nahrazuje standardní Gaussovskou věrohodnost hustotou s těžkými ocasy nebo hustotou s omezeným vlivem, takže anomální pozorování mají sníženou váhu a nemohou vychýlit odhad stavu.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- Ristic, B., Arulampalam, S. & Gordon, N. (2004). Beyond the Kalman Filter: Particle Filters for Tracking Applications. Artech House. ISBN: 978-1580536318
- Hurzeler, M. & Kunsch, H. R. (1998). Monte Carlo approximations for general state-space models. Journal of Computational and Graphical Statistics, 7(2), 175-193. link ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Robust Particle Filter. ScholarGate. https://scholargate.app/cs/bayesian/robust-particle-filter
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.
- Hamiltonovské Monte CarloBayesovská statistika↔ compare
- Kalmanův filtrBayesovská statistika↔ compare
- Částicový filtr (sekvenční Monte Carlo)Bayesovská statistika↔ compare
- Robustní Kalmanův filtrBayesovská statistika↔ compare
- Robustní sekvenční Monte CarloBayesovská statistika↔ compare
- Sekvenční Monte CarloBayesovská statistika↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →