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.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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 ↗
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.
- Гамильтонов Монте-КарлоБайесовские методы↔ compare
- Фильтр КалманаБайесовские методы↔ compare
- Фильтр частиц (последовательное Монте-Карло)Байесовские методы↔ compare
- Робастное байесовское оцениваниеБайесовские методы↔ compare
- Робастный фильтр КалманаБайесовские методы↔ compare
- Последовательный Монте-КарлоБайесовские методы↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →