Bayesian methodsBayesian / computational
頑健逐次モンテカルロ法
頑健逐次モンテカルロ法（Robust SMC）は、標準的な粒子フィルタリングを拡張し、逐次データにおける外れ値、裾の重いノイズ、モデルの誤指定に対処します。ガウス分布の尤度仮定を裾の重い分布に置き換えるか、粒子重み付け中に外れ値検出戦略を採用することにより、観測値が仮定されたモデルから逸脱した場合でも、正確な状態追跡とパラメータ推定を維持します。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
出典
- 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 ↗
このページの引用方法
ScholarGate. (2026, June 3). Robust Sequential Monte Carlo Methods. ScholarGate. https://scholargate.app/ja/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.
- ハミルトニアンモンテカルロベイズ↔ compare
- カルマンフィルターベイズ↔ compare
- パーティクルフィルタ（逐次モンテカルロ法）ベイズ↔ compare
- ロバストベイズ推論ベイズ↔ compare
- ロバストカルマンフィルタベイズ↔ compare
- 逐次モンテカルロ法ベイズ↔ compare