Bayesian methodsBayesian / computational

Робастный фильтр частиц

Робастный фильтр частиц — это метод последовательного Монте-Карло, который отслеживает скрытые состояния в нелинейных, негауссовых системах, оставаясь при этом устойчивым к выбросам и неверной спецификации модели. Он заменяет стандартную гауссову функцию правдоподобия плотностью с тяжелыми хвостами или ограниченным влиянием, так что аномальные наблюдения получают пониженный вес и не могут исказить оценку состояния.

Открыть в MethodMindСкороВидеоСкороDownload slides

Читать метод полностью

Только для участников

Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.

Войти

Method map

The neighbourhood of related methods — select a node to explore.

Источники

  1. Ristic, B., Arulampalam, S. & Gordon, N. (2004). Beyond the Kalman Filter: Particle Filters for Tracking Applications. Artech House. ISBN: 978-1580536318
  2. 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

Как цитировать эту страницу

ScholarGate. (2026, June 3). Robust Particle Filter. ScholarGate. https://scholargate.app/ru/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.

Compare side by side

Упоминается в

ScholarGateRobust Particle Filter (Robust Particle Filter). Получено 2026-06-15 из https://scholargate.app/ru/bayesian/robust-particle-filter · Набор данных: https://doi.org/10.5281/zenodo.20539026