Solidny filtr cząsteczkowy
Solidny filtr cząsteczkowy (ang. Robust Particle Filter) to sekwencyjna metoda Monte Carlo, która śledzi ukryte stany w systemach nieliniowych, niegauzowskich, pozostając odporna na wartości odstające i błędną specyfikację modelu. Zastępuje standardowe gausowskie prawdopodobieństwo warunkowe (ang. likelihood) rozkładem o grubych ogonach lub o ograniczonym wpływie, dzięki czemu anomalne obserwacje otrzymują zredukowaną wagę i nie mogą zakłócić estymacji stanu.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- Ristic, B., Arulampalam, S. & Gordon, N. (2004). Beyond the Kalman Filter: Particle Filters for Tracking Applications. Artech House. ISBN: 978-1580536318
- Hurzeler, M. & Kunsch, H. R. (1998). Monte Carlo approximations for general state-space models. Journal of Computational and Graphical Statistics, 7(2), 175-193. link ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Robust Particle Filter. ScholarGate. https://scholargate.app/pl/bayesian/robust-particle-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.
- Hamiltonian Monte CarloStatystyka bayesowska↔ compare
- Filtr KalmanaStatystyka bayesowska↔ compare
- Filtr cząsteczkowy (Sekwencyjny Monte Carlo)Statystyka bayesowska↔ compare
- Odporny filtr KalmanaStatystyka bayesowska↔ compare
- Solidarne sekwencyjne metody Monte CarloStatystyka bayesowska↔ compare
- Sekwencyjne metody Monte CarloStatystyka bayesowska↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →