Hierarkkinen Kalman-suodin
Hierarkkinen Kalman-suodin (HKF) laajentaa klassista Kalman-suodinta usean tason tai resoluution tilarepresentaatiojärjestelmiin. Se soveltaa Kalman-rekursioita hierarkian kullakin tasolla – karkeasta hienompaan resoluutioon tai globaaleista paikallisiin alijärjestelmiin – ja välittää tietoa tasojen välillä ylös- ja alaspäin suuntautuvilla pyyhkäisyillä, tuottaen optimaalisia lineaarisia tilan estimointeja strukturoidussa tilavaruudessa.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Menetelmäkartta
Lähimenetelmien naapurusto — valitse solmu tutkiaksesi.
Lähteet
- Chou, K. C., Willsky, A. S., & Benveniste, A. (1994). Multiscale recursive estimation, data fusion, and regularization. IEEE Transactions on Automatic Control, 39(3), 464–478. DOI: 10.1109/9.280746 ↗
- Sarkka, S. (2013). Bayesian Filtering and Smoothing. Cambridge University Press. ISBN: 978-1107619289
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Hierarchical Kalman Filter. ScholarGate. https://scholargate.app/fi/bayesian/hierarchical-kalman-filter
Mikä menetelmä?
Aseta tämä menetelmä lähimpien sukulaistensa rinnalle ja lue niitä yhdessä — kirjasto asettaa teokset pöydälle; valinta on sinun.
- Hierarkkinen Bayesiläinen päättelyBayesilainen tilastotiede↔ vertaa
- Kalman-suodinBayesilainen tilastotiede↔ vertaa
- Partikkelisuodin (sekventiaalinen Monte Carlo)Bayesilainen tilastotiede↔ vertaa
- Sekventiaalinen Monte CarloBayesilainen tilastotiede↔ vertaa
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →