Bayesian methodsBayesian / computational
측정 오차를 고려한 입자 필터
측정 오차를 명시적으로 고려한 입자 필터는 비선형, 비가우시안 동적 시스템의 은닉 상태를 추적하면서 관측값의 노이즈를 형식적으로 모델링하는 순차 몬테카를로 알고리즘입니다. 가중치가 부여된 무작위 표본(입자) 집합이 각 시간 단계에서 사후 상태 분포를 나타내며, 관측 가능도 함수는 각 입자가 노이즈가 있는 측정값과 얼마나 일치하는지를 정량화합니다.
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
- 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
이 페이지 인용 방법
ScholarGate. (2026, June 3). Sequential Monte Carlo Particle Filter with Explicit Measurement Error. ScholarGate. https://scholargate.app/ko/bayesian/particle-filter-with-measurement-error
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.
- 확장 칼만 필터제어이론↔ compare
- 칼만 필터베이지안↔ compare
- 순차 몬테카를로 (Sequential Monte Carlo, SMC)베이지안↔ compare
- Unscented Kalman Filter (UKF)제어이론↔ compare