Запис доказів методу

Robust Sequential Monte Carlo

Robust Sequential Monte Carlo (Robust SMC) extends standard particle filtering to handle outliers, heavy-tailed noise, and model misspecification in sequential data. By replacing Gaussian likelihood assumptions with heavier-tailed distributions or employing outlier-detection strategies during particle weighting, it maintains accurate state-tracking and parameter estimation even when observations deviate from the assumed model.

Sources recorded, not reviewed

Запис джерела

Цитати скопійовано дослівно з вихідного запису методу. Вони не передбачають перевірки на рівні тверджень.

Robust Sequential Monte Carlo Methods

Запис таксономічного методу · bayesian / bayesian

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

Відкрити повний метод

Відібрані твердження

Твердження збережено в журналі доказів, кожне зі своєю оцінкою.

Відібраних тверджень ще немає

Цей перегляд не вигадує оцінку твердження, якщо в журналі її немає.

Пов'язані методи

Згенеровано з графа методів і показано як рекомендовані системою зв'язки — жодне твердження доказів не передбачається.

Same method familyHamiltonian Monte Carlomachine-suggested · Relational suggestion, not evidence.Taxonomic bucketKalman Filtermachine-suggested · Relational suggestion, not evidence.Same method familyParticle Filtermachine-suggested · Relational suggestion, not evidence.Taxonomic bucketRobust Bayesian Inferencemachine-suggested · Relational suggestion, not evidence.Taxonomic bucketRobust Kalman Filtermachine-suggested · Relational suggestion, not evidence.Taxonomic bucketSequential Monte Carlomachine-suggested · Relational suggestion, not evidence.