Metodin todisteiden tietue

Robust Sequential Monte Carlo

Robust Sequential Monte Carlo (Robust SMC) extends standard particle filtering to handle outliers, heavy-tailed noise, and model misspecification in sequential data. By replacing Gaussian likelihood assumptions with heavier-tailed distributions or employing outlier-detection strategies during particle weighting, it maintains accurate state-tracking and parameter estimation even when observations deviate from the assumed model.

Sources recorded, not reviewed

Lähdetietue

Sitaatit kopioitu sanatarkasti metodin lähdetietueesta. Niistä ei päätellä väitteiden tasoista varmennusta.

Robust Sequential Monte Carlo Methods

Taksonominen metoditietue · bayesian / bayesian

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

Avaa koko metodi

Kuratoituja väitteitä

Väitteet tallennettu todistusaineiston pääkirjaan, jokaisella oma arviointinsa.

Ei vielä kuratoituja väitteitä

Tämä näkymä ei keksi väitteen arviointia, jos pääkirjassa ei ole sitä.

Liittyvät metodit

Luotu metodigraafista ja näytetään koneen ehdottamina suhteina – väitteitä ei päätellä.

Same method familyHamiltonian Monte Carlomachine-suggested · Relational suggestion, not evidence.Taxonomic bucketKalman Filtermachine-suggested · Relational suggestion, not evidence.Same method familyParticle Filtermachine-suggested · Relational suggestion, not evidence.Taxonomic bucketRobust Bayesian Inferencemachine-suggested · Relational suggestion, not evidence.Taxonomic bucketRobust Kalman Filtermachine-suggested · Relational suggestion, not evidence.Taxonomic bucketSequential Monte Carlomachine-suggested · Relational suggestion, not evidence.