Čestični filtar s pogreškom mjerenja
Čestični filtar s eksplicitnom pogreškom mjerenja je algoritam sekvencijalnog Monte Carlo koji prati skriveno stanje nelinearnog, negauusovskog dinamičkog sustava, formalno modelirajući šum u opažanjima. Populacija ponderiranih slučajnih uzoraka (čestica) predstavlja posteriornu distribuciju stanja u svakom vremenskom koraku, a funkcija vjerodostojnosti opažanja kvantificira koliko je svaka čestica konzistentna s primljenim šumnim mjerenjem.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Sequential Monte Carlo Particle Filter with Explicit Measurement Error. ScholarGate. https://scholargate.app/hr/bayesian/particle-filter-with-measurement-error
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.
- Prošireni Kalmanov filtarTeorija upravljanja↔ compare
- Kalmanov filtarBayesovska statistika↔ compare
- Sekvencijalno Monte CarloBayesovska statistika↔ compare
- Unscented Kalman FilterTeorija upravljanja↔ compare
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →