Penapis Kalman Berhierarki
Penapis Kalman Berhierarki (HKF) memperluas penapis Kalman klasik kepada sistem dengan pelbagai peringkat atau skala perwakilan keadaan. Ia mengaplikasikan rekursi Kalman pada setiap peringkat hierarki — daripada resolusi kasar kepada halus atau daripada subsistem global kepada tempatan — dan menghantar maklumat merentasi peringkat melalui sapuan ke atas dan ke bawah, menghasilkan anggaran keadaan linear yang optimum di seluruh ruang keadaan berstruktur.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- Chou, K. C., Willsky, A. S., & Benveniste, A. (1994). Multiscale recursive estimation, data fusion, and regularization. IEEE Transactions on Automatic Control, 39(3), 464–478. DOI: 10.1109/9.280746 ↗
- Sarkka, S. (2013). Bayesian Filtering and Smoothing. Cambridge University Press. ISBN: 978-1107619289
Cara memetik halaman ini
ScholarGate. (2026, June 3). Hierarchical Kalman Filter. ScholarGate. https://scholargate.app/ms/bayesian/hierarchical-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.
- Inferensi Bayesian HierarkiBayesian↔ compare
- Penapis KalmanBayesian↔ compare
- Penapis Zarah (Monte Carlo Sekuen)Bayesian↔ compare
- Monte Carlo SekuensialBayesian↔ compare
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →