Robusni sekvencijalni Monte Carlo
Robusni sekvencijalni Monte Carlo (Robust SMC) proširuje standardno filtriranje česticama kako bi se nosio s odstupanjima, šumom teških repova i pogrešnom specifikacijom modela u sekvencijalnim podacima. Zamjenom pretpostavki Gaussovskog šuma distribucijama s težim repovima ili primjenom strategija detekcije odstupanja tijekom ponderiranja čestica, održava točno praćenje stanja i procjenu parametara čak i kada opažanja odstupaju od pretpostavljenog modela.
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
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Robust Sequential Monte Carlo Methods. ScholarGate. https://scholargate.app/hr/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.
- Hamiltonian Monte CarloBayesovska statistika↔ compare
- Kalmanov filtarBayesovska statistika↔ compare
- Particle Filter (Sequential Monte Carlo)Bayesovska statistika↔ compare
- Robusno Bejzovsko zaključivanjeBayesovska statistika↔ compare
- Robusni Kalmanov filtarBayesovska statistika↔ compare
- Sekvencijalno Monte CarloBayesovska statistika↔ compare
Citirana u
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →