Telpiskais Kalmana filtrs
Telpiskais Kalmana filtrs attiecina klasisko Kalmana filtrēšanu uz telpiski sadalītiem stāvokļa telpas modeļiem, aplūkojot laika gaitā mainīgu slēptu telpisku lauku kā slēpto stāvokli. Katrā laika solī filtrs rekursīvi prognozē telpisko lauku uz priekšu un pēc tam atjaunina prognozi ar jauniem telpiskiem novērojumiem, radot optimālus lineārus novērtējumus laukam un tā nenoteiktībai visās vietās.
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
- Cressie, N. & Wikle, C. K. (2011). Statistics for Spatio-Temporal Data. Wiley. ISBN: 978-0-471-69274-4
- Kalman, R. E. (1960). A new approach to linear filtering and prediction problems. Journal of Basic Engineering, 82(1), 35-45. DOI: 10.1115/1.3662552 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Spatial Kalman Filter for Spatio-Temporal State-Space Models. ScholarGate. https://scholargate.app/lv/bayesian/spatial-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.
- Dinamiskā Bayesas inferencēšanaBajesa metodes↔ compare
- Kalman FilterBajesa metodes↔ compare
- Particle Filter (Sequential Monte Carlo)Bajesa metodes↔ compare
- Sekvenciālā Monte Karlo metodeBajesa metodes↔ compare
- Telpiskā beijesiska inferencēšanaBajesa metodes↔ compare
- Telpiskā MCMCBajesa metodes↔ compare
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →