Particle Filter with Measurement Error
A particle filter with explicit measurement error is a Sequential Monte Carlo algorithm that tracks the hidden state of a nonlinear, non-Gaussian dynamic system while formally modelling noise in the observations. A population of weighted random samples (particles) represents the posterior state distribution at each time step, and an observation likelihood function quantifies how much each particle is consistent with the noisy measurement received.
Lähdetietue
Sitaatit kopioitu sanatarkasti metodin lähdetietueesta. Niistä ei päätellä väitteiden tasoista varmennusta.
- Gordon, N. J., Salmond, D. J., & Smith, A. F. M. (1993). Novel approach to nonlinear/non-Gaussian Bayesian state estimation. IEE Proceedings F – Radar and Signal Processing, 140(2), 107–113. · DOI 10.1049/ip-f-2.1993.0015
- Doucet, A., de Freitas, N., & Gordon, N. (Eds.). (2001). Sequential Monte Carlo Methods in Practice. Springer. · ISBN 978-0387951461
Kuratoituja väitteitä
Väitteet tallennettu todistusaineiston pääkirjaan, jokaisella oma arviointinsa.
Tämä näkymä ei keksi väitteen arviointia, jos pääkirjassa ei ole sitä.
Liittyvät metodit
Luotu metodigraafista ja näytetään koneen ehdottamina suhteina – väitteitä ei päätellä.