Bayesian methodsBayesian / computational
로버스트 순차 몬테카를로
로버스트 순차 몬테카를로(Robust Sequential Monte Carlo, Robust SMC)는 순차 데이터에서 이상치, 두꺼운 꼬리 잡음(heavy-tailed noise) 및 모델 오지정(model misspecification)을 처리하기 위해 표준 입자 필터링을 확장한 것입니다. 가우시안 우도 가정을 더 두꺼운 꼬리 분포로 대체하거나 입자 가중치 부여(particle weighting) 과정에서 이상치 탐지 전략을 사용하여, 관측치가 가정된 모델에서 벗어나는 경우에도 정확한 상태 추적 및 매개변수 추정을 유지합니다.
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
- 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 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Robust Sequential Monte Carlo Methods. ScholarGate. https://scholargate.app/ko/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.
- 해밀토니안 몬테카를로베이지안↔ compare
- 칼만 필터베이지안↔ compare
- 파티클 필터 (순차 몬테카를로)베이지안↔ compare
- 강건 베이즈 추론베이지안↔ compare
- 강건 칼만 필터베이지안↔ compare
- 순차 몬테카를로 (Sequential Monte Carlo, SMC)베이지안↔ compare