एक कण फ़िल्टर और कलमन फ़िल्टर दोनों पुनरावर्ती बायेसियन अनुमानक हैं । मैं अक्सर अपने क्षेत्र में कलमन फ़िल्टर का सामना करता हूं, लेकिन बहुत कम ही कण फिल्टर का उपयोग देखता हूं।
एक दूसरे पर कब इस्तेमाल किया जाएगा?
एक कण फ़िल्टर और कलमन फ़िल्टर दोनों पुनरावर्ती बायेसियन अनुमानक हैं । मैं अक्सर अपने क्षेत्र में कलमन फ़िल्टर का सामना करता हूं, लेकिन बहुत कम ही कण फिल्टर का उपयोग देखता हूं।
एक दूसरे पर कब इस्तेमाल किया जाएगा?
जवाबों:
दान साइमन के "इष्टतम राज्य अनुमान" से:
"गॉसियन शोर के साथ एक रेखीय प्रणाली में, कलमन फ़िल्टर इष्टतम है। एक प्रणाली जो अशुभ है, कलमन फ़िल्टर का उपयोग राज्य के आकलन के लिए किया जा सकता है, लेकिन कण फिल्टर अतिरिक्त कम्प्यूटेशनल प्रयास की कीमत पर बेहतर परिणाम दे सकता है। ऐसी प्रणाली जिसमें गैर-गौसियन शोर होता है, कलमन फ़िल्टर इष्टतम लीनियर फ़िल्टर होता है, लेकिन फिर से कण फ़िल्टर बेहतर प्रदर्शन कर सकता है। असंतुष्ट कलमन फ़िल्टर (यूकेएफ) कलमैन फ़िल्टर के कम कम्प्यूटेशनल प्रयास और उच्च प्रदर्शन के बीच एक संतुलन प्रदान करता है। कण फिल्टर। "
"कण फिल्टर में यूकेएफ के साथ कुछ समानताएं हैं जो कि ज्ञात अरेखीय समीकरणों के माध्यम से बिंदुओं के एक सेट को बदल देता है और परिणामों को जोड़ती है ताकि राज्य के माध्य और सहसंयोजक का अनुमान लगाया जा सके। हालांकि, कण फिल्टर में अंक यादृच्छिक रूप से चुने जाते हैं, जबकि। यूकेएफ को अंक एक विशिष्ट एल्गोरिथ्म ***** के आधार पर चुना जाता है। इस वजह से, कण फिल्टर में उपयोग किए जाने वाले अंकों की संख्या आमतौर पर यूकेएफ में अंकों की संख्या से बहुत अधिक होनी चाहिए। एक और अंतर। दो फिल्टर यह है कि यूकेएफ में अनुमान त्रुटि किसी भी अर्थ में शून्य में नहीं परिवर्तित होती है, लेकिन कण फिल्टर में अनुमान त्रुटि शून्य को कणों की संख्या के रूप में परिवर्तित करती है (और इसलिए कम्प्यूटेशनल प्रयास) अनंतता का दृष्टिकोण है।
***** अनसेन्टेड ट्रांसफ़ॉर्मेशन एक रैंडम वैरिएबल के आँकड़ों की गणना के लिए एक विधि है जो एक नॉनलाइनियर ट्रांसफ़ॉर्मेशन से गुज़रती है और अंतर्ज्ञान (जो कि कण फ़िल्टर पर भी लागू होता है) का उपयोग करता है, जो कि इसकी तुलना में संभाव्यता वितरण को अनुमानित करना अधिक आसान है लगभग एक मनमाने ढंग से अरेखीय कार्य या परिवर्तन। इसे यूकेएफ में अंक कैसे चुना जाता है, इसके एक उदाहरण के रूप में भी देखें । ”
कण छानने और चौरसाई पर एक ट्यूटोरियल से : पंद्रह साल बाद :
1993 में उनके परिचय के बाद से, कण फिल्टर गैर-रैखिक गैर-गौसियन परिदृश्यों में इष्टतम अनुमान समस्याओं के समाधान के लिए संख्यात्मक विधियों का एक बहुत लोकप्रिय वर्ग बन गया है। मानक सन्निकटन विधियों की तुलना में, जैसे कि लोकप्रिय विस्तारित कलमन फ़िल्टर, कण विधियों का मुख्य लाभ यह है कि वे किसी भी स्थानीय रैखिककरण तकनीक या किसी भी क्रूड कार्यात्मक सन्निकटन पर निर्भर नहीं होते हैं। इस लचीलेपन के लिए भुगतान की जाने वाली कीमत कम्प्यूटेशनल है: ये विधियाँ कम्प्यूटेशनल रूप से महंगी हैं। हालांकि, लगातार बढ़ती कम्प्यूटेशनल शक्ति की उपलब्धता के लिए धन्यवाद, इन विधियों का उपयोग पहले से ही वास्तविक समय में उपयोग किए जाने वाले अनुप्रयोगों में किया जाता है जो कि रासायनिक इंजीनियरिंग, कंप्यूटर विज़न, वित्तीय अर्थमिति, लक्ष्य ट्रैकिंग और रोबोटिक्स के रूप में विविध हैं। इसके अलावा,
संक्षेप में, कण फिल्टर अधिक लोचदार है क्योंकि यह डेटा में रैखिकता और गॉसियन प्रकृति के शोर को नहीं मानता है, लेकिन अधिक कम्प्यूटेशनल रूप से महंगा है। यह गौसियन डिस्ट्रीब्यूशन की तरह माध्य और सहसंयोजक मैट्रिक्स के बजाय यादृच्छिक नमूने बनाकर (या ड्रॉइंग) बनाकर वितरण का प्रतिनिधित्व करता है।