Robust Particle Filter
Robust Particle Filter adalah metode Monte Carlo sekuensial yang melacak keadaan tersembunyi dalam sistem nonlinier, non-Gaussian sambil tetap resisten terhadap pencilan (outlier) dan spesifikasi model yang keliru. Metode ini mengganti fungsi kemungkinan (likelihood) Gaussian standar dengan densitas yang memiliki ekor tebal (heavy-tailed) atau pengaruh terbatas (bounded-influence), sehingga observasi anomalus diberi bobot yang lebih rendah dan tidak dapat menggagalkan estimasi keadaan.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- Ristic, B., Arulampalam, S. & Gordon, N. (2004). Beyond the Kalman Filter: Particle Filters for Tracking Applications. Artech House. ISBN: 978-1580536318
- Hurzeler, M. & Kunsch, H. R. (1998). Monte Carlo approximations for general state-space models. Journal of Computational and Graphical Statistics, 7(2), 175-193. link ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Robust Particle Filter. ScholarGate. https://scholargate.app/id/bayesian/robust-particle-filter
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 CarloBayesian↔ compare
- Filter KalmanBayesian↔ compare
- Filter Partikel (Monte Carlo Sekuensial)Bayesian↔ compare
- Filter Kalman RobustBayesian↔ compare
- Robust Sequential Monte CarloBayesian↔ compare
- Monte Carlo SekuensialBayesian↔ compare
Dirujuk oleh
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →