Robust Sequential Monte Carlo
A Robust Sequential Monte Carlo (Robust SMC) módszer a standard részecskeszűrők kiterjesztése, amely az időbeli adatsorokban előforduló kiugró értékeket, vastag farkú zajokat és modellhibákat kezeli. A Gauss-eloszlású valószínűségi feltételezések vastagabb farkú eloszlásokkal való helyettesítése vagy a kiugró értékeket felismerő stratégiák alkalmazása a részecskesúlyozás során lehetővé teszi a pontos állapotkövetést és paraméterbecslést még akkor is, ha az észlelések eltérnek az feltételezett modelltől.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Robust Sequential Monte Carlo Methods. ScholarGate. https://scholargate.app/hu/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 CarloBayes-statisztika↔ compare
- Kalman-szűrőBayes-statisztika↔ compare
- A részecskeszűrő (szekvenciális Monte Carlo)Bayes-statisztika↔ compare
- Robusztus Bayes-i következtetésBayes-statisztika↔ compare
- Robuszt Kalman-szűrőBayes-statisztika↔ compare
- Szekvenciális Monte CarloBayes-statisztika↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →