Robuuste Sequentiële Monte Carlo
Robuuste Sequentiële Monte Carlo (Robuuste SMC) breidt standaard deeltjesfilters uit om uitschieters, ruis met zware staarten en model-mismatches in sequentiële data te hanteren. Door Gaussiaanse aannames over de likelihood te vervangen door distributies met zwaardere staarten of door strategieën voor uitschieterdetectie te gebruiken tijdens het wegen van deeltjes, handhaaft het nauwkeurige toestands-tracking en parameter-schatting, zelfs wanneer observaties afwijken van het aangenomen model.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Robust Sequential Monte Carlo Methods. ScholarGate. https://scholargate.app/nl/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 CarloBayesiaanse statistiek↔ compare
- KalmanfilterBayesiaanse statistiek↔ compare
- Deeltjesfilter (Sequentiële Monte Carlo)Bayesiaanse statistiek↔ compare
- Robuuste Bayesiaanse InferentieBayesiaanse statistiek↔ compare
- Robuuste KalmanfilterBayesiaanse statistiek↔ compare
- Sequentiële Monte CarloBayesiaanse statistiek↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →