Particle Filter with Measurement Error
A particle filter with explicit measurement error is a Sequential Monte Carlo algorithm that tracks the hidden state of a nonlinear, non-Gaussian dynamic system while formally modelling noise in the observations. A population of weighted random samples (particles) represents the posterior state distribution at each time step, and an observation likelihood function quantifies how much each particle is consistent with the noisy measurement received.
Catatan sumber
Kutipan disalin apa adanya dari catatan sumber metode. Tidak ada verifikasi tingkat klaim yang disimpulkan darinya.
- 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
Klaim yang dikurasi
Klaim tersimpan dalam buku besar bukti, masing-masing dengan penilaiannya sendiri.
Tampilan ini tidak menciptakan penilaian klaim ketika buku besar tidak memilikinya.
Metode terkait
Dihasilkan dari grafik metode dan ditampilkan sebagai relasi yang disarankan mesin — tidak ada klaim bukti yang disimpulkan.