Bayesian methodsBayesian / computational
계층적 칼만 필터
계층적 칼만 필터(HKF)는 다중 레벨 또는 스케일의 상태 표현을 갖는 시스템으로 고전적인 칼만 필터를 확장한 것입니다. 계층의 각 레벨에서 칼만 재귀를 적용하고(조밀한 해상도에서 거친 해상도 또는 전역에서 지역 하위 시스템으로), 상향 및 하향 스윕을 통해 레벨 간 정보를 전달하여 구조화된 상태 공간 전반에 걸쳐 최적의 선형 상태 추정치를 생성합니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- Chou, K. C., Willsky, A. S., & Benveniste, A. (1994). Multiscale recursive estimation, data fusion, and regularization. IEEE Transactions on Automatic Control, 39(3), 464–478. DOI: 10.1109/9.280746 ↗
- Sarkka, S. (2013). Bayesian Filtering and Smoothing. Cambridge University Press. ISBN: 978-1107619289
이 페이지 인용 방법
ScholarGate. (2026, June 3). Hierarchical Kalman Filter. ScholarGate. https://scholargate.app/ko/bayesian/hierarchical-kalman-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.
- 계층적 베이즈 추론베이지안↔ compare
- 칼만 필터베이지안↔ compare
- 파티클 필터 (순차 몬테카를로)베이지안↔ compare
- 순차 몬테카를로 (Sequential Monte Carlo, SMC)베이지안↔ compare