Robust Sequential Monte Carlo
Robust Sequential Monte Carlo (Robust SMC) memperluas penyaringan partikel standar untuk menangani pencilan (outlier), derau berekor tebal (heavy-tailed noise), dan kekeliruan spesifikasi model (model misspecification) dalam data sekuensial. Dengan mengganti asumsi kemungkinan Gaussian (Gaussian likelihood) dengan distribusi yang berekor lebih tebal atau menggunakan strategi deteksi pencilan selama pembobotan partikel, metode ini mempertahankan pelacakan keadaan (state-tracking) dan estimasi parameter yang akurat bahkan ketika observasi menyimpang dari model yang diasumsikan.
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
- Akyildiz, O. D., & Miguez, J. (2020). Nudging the particle filter. Statistics and Computing, 30(2), 315-336. DOI: 10.1007/s11222-019-09884-y ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Robust Sequential Monte Carlo Methods. ScholarGate. https://scholargate.app/id/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 CarloBayesian↔ compare
- Filter KalmanBayesian↔ compare
- Filter Partikel (Monte Carlo Sekuensial)Bayesian↔ compare
- Inferensi Bayesian RobustBayesian↔ compare
- Filter Kalman RobustBayesian↔ compare
- Monte Carlo SekuensialBayesian↔ compare
Dirujuk oleh
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →