Robustní sekvenční Monte Carlo
Robustní sekvenční Monte Carlo (Robust SMC) rozšiřuje standardní filtrování částic tak, aby zvládalo odlehlé hodnoty, šum s těžkými chvosty a chybné specifikace modelu v sekvenčních datech. Nahrazením gaussovských předpokladů věrohodnosti distribucemi s těžšími chvosty nebo použitím strategií detekce odlehlých hodnot během vážení částic udržuje přesné sledování stavu a odhad parametrů i v případě, že se pozorování odchylují od předpokládaného modelu.
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
- Akyildiz, O. D., & Miguez, J. (2020). Nudging the particle filter. Statistics and Computing, 30(2), 315-336. DOI: 10.1007/s11222-019-09884-y ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Robust Sequential Monte Carlo Methods. ScholarGate. https://scholargate.app/cs/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.
- Hamiltonovské Monte CarloBayesovská statistika↔ compare
- Kalmanův filtrBayesovská statistika↔ compare
- Částicový filtr (sekvenční Monte Carlo)Bayesovská statistika↔ compare
- Robustní bayesovská inferenceBayesovská statistika↔ compare
- Robustní Kalmanův filtrBayesovská statistika↔ compare
- Sekvenční Monte CarloBayesovská statistika↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →