Robuster Partikelfilter
Der Robuste Partikelfilter ist eine sequentielle Monte-Carlo-Methode, die versteckte Zustände in nichtlinearen, nicht-Gaußschen Systemen verfolgt und dabei resistent gegenüber Ausreißern und Modellfehlspezifikationen bleibt. Er ersetzt die Standard-Gaußsche Likelihood durch eine Dichte mit schweren Rändern oder begrenztem Einfluss, sodass anomale Beobachtungen eine geringere Gewichtung erhalten und die Zustandsschätzung nicht verfälschen können.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- 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 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Robust Particle Filter. ScholarGate. https://scholargate.app/de/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.
- Hamiltonian Monte CarloBayes-Statistik↔ compare
- Kalman FilterBayes-Statistik↔ compare
- Partikelfilter (Sequentieller Monte-Carlo-Algorithmus)Bayes-Statistik↔ compare
- Robuster Kalman-FilterBayes-Statistik↔ compare
- Robuste Sequentielle Monte-Carlo-MethodenBayes-Statistik↔ compare
- Sequentielle Monte-Carlo-MethodenBayes-Statistik↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →