Robust Sekventiell Monte Carlo
Robust Sekventiell Monte Carlo (Robust SMC) utvidgar standardpartikelfiltrering för att hantera utliggare, brus med tunga svansar och felaktig modellspecifikation i sekventiella data. Genom att ersätta antaganden om Gaussisk likhet med fördelningar med tyngre svansar eller genom att använda strategier för utliggaridentifiering under partikelviktning, bibehåller den korrekt tillståndspårning och parameterskattning även när observationer avviker från den antagna modellen.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- 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 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Robust Sequential Monte Carlo Methods. ScholarGate. https://scholargate.app/sv/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 CarloBayesiansk statistik↔ compare
- KalmanfilterBayesiansk statistik↔ compare
- Partikelfilter (sekventiell Monte Carlo)Bayesiansk statistik↔ compare
- Robust Bayesiansk InferensBayesiansk statistik↔ compare
- Robust KalmanfilterBayesiansk statistik↔ compare
- Sekventiell Monte CarloBayesiansk statistik↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →