Kalman filtrs ar trūkstošiem datiem
Kalman filtrs ar trūkstošiem datiem paplašina klasisko Kalman filtru, lai apstrādātu laika rindas, kurās daži novērojumi ir prom. Kad novērojums trūkst laikā t, atjaunināšanas solis tiek izlaists, un stāvokļa novērtējums tiek pārnests tikai no prognozēšanas soļa. Apvienojumā ar Ekspektācijas-Maksimizācijas (EM) algoritmu, pieeja arī novērtē nezināmus modeļa parametrus no nepilnīgiem datiem, padarot to par praktisku rīku reālās pasaules neregulāri novērotām rindām.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- Shumway, R. H. & Stoffer, D. S. (2000). Time Series Analysis and Its Applications. Springer. ISBN: 978-0387989501
- Harvey, A. C. (1989). Forecasting, Structural Time Series Models and the Kalman Filter. Cambridge University Press. ISBN: 978-0521405737
Kā citēt šo lapu
ScholarGate. (2026, June 3). Kalman Filter for State-Space Models with Missing Observations. ScholarGate. https://scholargate.app/lv/bayesian/kalman-filter-with-missing-data
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.
- Beijiešu secinājumi ar trūkstošiem datiemBajesa metodes↔ compare
- EM algoritmsStatistika↔ compare
- Kalman FilterBajesa metodes↔ compare
- Daļiņu filtrs ar trūkstošiem datiemBajesa metodes↔ compare
- Sekvenciālā Monte Karlo metodeBajesa metodes↔ compare
- Valsts telpas modelis (Kalmana filtrs)Ekonometrija↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →