. . "152560891"^^ . . . "718270"^^ . . . "Sequenzielle Monte-Carlo-Methode"@de . "Sequenzielle Monte-Carlo-Methoden (SMC-Methoden) geh\u00F6ren zur Klasse der stochastischen Verfahren zur Zustandssch\u00E4tzung in einem dynamischen Prozess (z. B. in der mobilen Robotik), dessen Dynamik nur im statistischen Mittel bekannt ist (wesentliche St\u00F6rgr\u00F6\u00DFen) und der nur unvollst\u00E4ndig beobachtet werden kann (Unterteilung in innere, verborgene und \u00E4u\u00DFere, sichtbare Variable). Ein Anwendungsbeispiel ist die genaue und kontinuierlich aktualisierte Bestimmung des Ortes und der Geschwindigkeit eines Objektes aufgrund einer ungenauen und fehlerhaften Messung des Ortes (vgl. Tracking). SMC-Filter sind auch bekannt als Partikel-Filter, sampling importance resampling (SIR), sequential importance sampling (SIS), bootstrap filters, condensation trackers, interacting particle approximations oder survi"@de . . . . . . . . . "Sequenzielle Monte-Carlo-Methoden (SMC-Methoden) geh\u00F6ren zur Klasse der stochastischen Verfahren zur Zustandssch\u00E4tzung in einem dynamischen Prozess (z. B. in der mobilen Robotik), dessen Dynamik nur im statistischen Mittel bekannt ist (wesentliche St\u00F6rgr\u00F6\u00DFen) und der nur unvollst\u00E4ndig beobachtet werden kann (Unterteilung in innere, verborgene und \u00E4u\u00DFere, sichtbare Variable). Ein Anwendungsbeispiel ist die genaue und kontinuierlich aktualisierte Bestimmung des Ortes und der Geschwindigkeit eines Objektes aufgrund einer ungenauen und fehlerhaften Messung des Ortes (vgl. Tracking). SMC-Filter sind auch bekannt als Partikel-Filter, sampling importance resampling (SIR), sequential importance sampling (SIS), bootstrap filters, condensation trackers, interacting particle approximations oder survival of the fittest."@de . . . . .