Bayesian methodsBayesian / computational

Робастный последовательный Монте-Карло

Робастный последовательный Монте-Карло (Robust SMC) расширяет стандартную фильтрацию частиц для обработки выбросов, шумов с тяжелыми хвостами и некорректной спецификации модели в последовательных данных. Заменяя предположения о гауссовой правдоподобности более тяжелыми распределениями или используя стратегии обнаружения выбросов при взвешивании частиц, он сохраняет точное отслеживание состояния и оценку параметров даже при отклонениях наблюдений от предполагаемой модели.

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. Akyildiz, O. D., & Miguez, J. (2020). Nudging the particle filter. Statistics and Computing, 30(2), 315-336. DOI: 10.1007/s11222-019-09884-y

Как цитировать эту страницу

ScholarGate. (2026, June 3). Robust Sequential Monte Carlo Methods. ScholarGate. https://scholargate.app/ru/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.

Compare side by side

Упоминается в

ScholarGateRobust Sequential Monte Carlo (Robust Sequential Monte Carlo Methods). Получено 2026-06-15 из https://scholargate.app/ru/bayesian/robust-sequential-monte-carlo · Набор данных: https://doi.org/10.5281/zenodo.20539026