Robust Particle Filter
Robust Particle Filter เป็นวิธีการแบบ Monte Carlo เชิงลำดับ (sequential Monte Carlo method) ที่ใช้ในการติดตามสถานะซ่อนเร้น (hidden states) ในระบบที่ไม่เป็นเชิงเส้น (nonlinear) และไม่เป็นแบบเกาส์เซียน (non-Gaussian) พร้อมทั้งมีความทนทานต่อค่าผิดปกติ (outliers) และการระบุแบบจำลองผิดพลาด (model misspecification) วิธีการนี้ใช้ฟังก์ชันความควรจะเป็น (likelihood) ที่มีหางหนา (heavy-tailed) หรือมีอิทธิพลจำกัด (bounded-influence) แทนฟังก์ชันความควรจะเป็นแบบเกาส์เซียนมาตรฐาน เพื่อให้การสังเกตการณ์ที่ผิดปกติได้รับน้ำหนักที่ลดลงและไม่สามารถทำให้การประมาณค่าสถานะผิดพลาดได้
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- 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 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Robust Particle Filter. ScholarGate. https://scholargate.app/th/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 Carloเบย์↔ compare
- Kalman Filterเบย์↔ compare
- Particle Filter (Sequential Monte Carlo)เบย์↔ compare
- ตัวกรองคาลมานแบบทนทาน (Robust Kalman Filter)เบย์↔ compare
- Robust Sequential Monte Carloเบย์↔ compare
- Sequential Monte Carloเบย์↔ compare