Sequential Monte Carlo Sekukuh
Sequential Monte Carlo Sekukuh (SMC Sekukuh) meluaskan penapisan zarah piawai untuk mengendalikan pencilan, hingar berjilid tebal, dan salah spesifikasi model dalam data jujukan. Dengan menggantikan andaian kebarangkalian Gaussian dengan taburan berjilid lebih tebal atau menggunakan strategi pengesanan pencilan semasa pemberatan zarah, ia mengekalkan pengesanan keadaan dan anggaran parameter yang tepat walaupun apabila pemerhatian menyimpang daripada model yang diandaikan.
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
- 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 ↗
Cara memetik halaman ini
ScholarGate. (2026, June 3). Robust Sequential Monte Carlo Methods. ScholarGate. https://scholargate.app/ms/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.
- Hamiltonian Monte CarloBayesian↔ compare
- Penapis KalmanBayesian↔ compare
- Penapis Zarah (Monte Carlo Sekuen)Bayesian↔ compare
- Inferens Bayesian TeguhBayesian↔ compare
- Penapis Kalman MantapBayesian↔ compare
- Monte Carlo SekuensialBayesian↔ compare
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →