Robust Sekventiel Monte Carlo
Robust Sekventiel Monte Carlo (Robust SMC) udvider standard partikelfiltrering til at håndtere outliers, støj med tunge haler og model-fejspecificering i sekventielle data. Ved at erstatte antagelser om Gaussisk likelihood med fordelinger med tungere haler eller ved at anvende strategier til outlier-detektion under partikelvægtning, opretholder den nøjagtig tilstandssporing og parameterestimering, selv når observationer afviger fra den antagede model.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Robust Sequential Monte Carlo Methods. ScholarGate. https://scholargate.app/da/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.
- Hamiltonian Monte CarloBayesiansk↔ compare
- Kalman-filterBayesiansk↔ compare
- Partikelfilter (sekventiel Monte Carlo)Bayesiansk↔ compare
- Robust Bayesiansk InferensBayesiansk↔ compare
- Robust Kalman-filterBayesiansk↔ compare
- Sekventiel Monte CarloBayesiansk↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →