Metodes pierādījumu reģistrs

Robust Sequential Monte Carlo

Robust Sequential Monte Carlo (Robust SMC) extends standard particle filtering to handle outliers, heavy-tailed noise, and model misspecification in sequential data. By replacing Gaussian likelihood assumptions with heavier-tailed distributions or employing outlier-detection strategies during particle weighting, it maintains accurate state-tracking and parameter estimation even when observations deviate from the assumed model.

Sources recorded, not reviewed

Avota reģistrs

Atsauces kopētas tieši no metodes avota reģistra. Tās nenozīmē nekādu apgalvojumu līmeņa verifikāciju.

Robust Sequential Monte Carlo Methods

Taksonomiskās metodes reģistrs · bayesian / bayesian

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

Atvērt pilnu metodi

Kurēti apgalvojumi

Apgalvojumi saglabāti pierādījumu reģistrā, katram ar savu novērtējumu.

Vēl nav kurētu apgalvojumu

Šis skatījums neizgudro apgalvojumu novērtējumu, ja reģistrā tā nav.

Saistītās metodes

Ģenerēts no metodes grafika un parādīts kā mašīnas ieteiktas attiecības — netiek izvirzīts neviens pierādījumu apgalvojums.

Same method familyHamiltonian Monte Carlomachine-suggested · Relational suggestion, not evidence.Taxonomic bucketKalman Filtermachine-suggested · Relational suggestion, not evidence.Same method familyParticle Filtermachine-suggested · Relational suggestion, not evidence.Taxonomic bucketRobust Bayesian Inferencemachine-suggested · Relational suggestion, not evidence.Taxonomic bucketRobust Kalman Filtermachine-suggested · Relational suggestion, not evidence.Taxonomic bucketSequential Monte Carlomachine-suggested · Relational suggestion, not evidence.