Penuras Kalman spatial
Penuras Kalman spatial mengaplikasikan penurasan Kalman klasik kepada model keadaan-ruang satah-masa, menganggap medan laten yang teragih secara spatial sebagai keadaan tersembunyi yang berkembang dari semasa ke semasa. Pada setiap langkah masa, penuras secara rekursif meramal medan spatial ke hadapan dan kemudian mengemas kini ramalan dengan pemerhatian spatial baharu, menghasilkan anggaran linear optimum bagi medan dan ketidakpastiannya di semua lokasi.
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
- 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 ↗
Cara memetik halaman ini
ScholarGate. (2026, June 3). Spatial Kalman Filter for Spatio-Temporal State-Space Models. ScholarGate. https://scholargate.app/ms/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.
- Inferensi Bayesian DinamikBayesian↔ compare
- Penapis KalmanBayesian↔ compare
- Penapis Zarah (Monte Carlo Sekuen)Bayesian↔ compare
- Monte Carlo SekuensialBayesian↔ compare
- Inferensi Bayesian SpatialBayesian↔ compare
- MCMC SpatialBayesian↔ compare
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →