Надійний послідовний метод Монте-Карло
Надійний послідовний метод Монте-Карло (Robust SMC) розширює стандартну фільтрацію частинок для обробки викидів, шумів з важкими хвостами та неправильної специфікації моделі в послідовних даних. Замінюючи припущення про гауссову функцію правдоподібності на розподіли з важчими хвостами або застосовуючи стратегії виявлення викидів під час зважування частинок, він підтримує точне відстеження стану та оцінку параметрів, навіть коли спостереження відхиляються від передбачуваної моделі.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
Джерела
- 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 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Robust Sequential Monte Carlo Methods. ScholarGate. https://scholargate.app/uk/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.
- Гамільтонів Монте-КарлоБаєсові методи↔ compare
- Фільтр КалманаБаєсові методи↔ compare
- Фільтр частинок (послідовний Монте-Карло)Баєсові методи↔ compare
- Робастне байєсіанське висновуванняБаєсові методи↔ compare
- Робастний фільтр КалманаБаєсові методи↔ compare
- Послідовний Монте-КарлоБаєсові методи↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →