Robust Sequential Monte Carlo
Robust Sequential Monte Carlo (Robust SMC) laajentaa standardia hiukkassuodatusta käsittelemään poikkeamia, raskastahoisia kohinoita ja mallin virheellistä määrittelyä sekventiaalisessa datassa. Korvaamalla Gaussin uskottavuusoletukset raskaammilla jakaumilla tai käyttämällä poikkeamien havaitsemisstrategioita hiukkasten painotuksessa, se ylläpitää tarkkaa tilan seurantaa ja parametrien estimointia, vaikka havainnot poikkeaisivat oletetusta mallista.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- 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 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Robust Sequential Monte Carlo Methods. ScholarGate. https://scholargate.app/fi/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.
- Hamiltonin Monte CarloBayesilainen tilastotiede↔ compare
- Kalman-suodinBayesilainen tilastotiede↔ compare
- Partikkelisuodin (sekventiaalinen Monte Carlo)Bayesilainen tilastotiede↔ compare
- Robustin Bayesiläinen päättelyBayesilainen tilastotiede↔ compare
- Robusti Kalman-suodinBayesilainen tilastotiede↔ compare
- Sekventiaalinen Monte CarloBayesilainen tilastotiede↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →