1: 拡張カルマン フィルタ: 非線形推定の中核ツールである拡張カルマン フィルタ (EKF) を紹介します。
2: ブラケット記法: 量子のようなシステムの構造に焦点を当て、数学的基礎を説明します。
3: 曲率: 曲率の概念と、それが非線形フィルタのパフォーマンスに与える影響について説明します。
4: 最尤推定: 最も高い尤度でパラメータを推定するために使用される統計的アプローチについて詳しく説明します。
5: カルマン フィルタ: 多くの状態推定手法の基礎となるカルマン フィルタについて詳しく説明します。
6: 共分散行列: 共分散行列と、フィルタリングにおける不確実性の定量化におけるその役割について説明します。
7: 不確実性の伝播: 不確実性が時間の経過とともに伝播し、フィルタリングの精度にどのように影響するかを探ります。
8: レーベンバーグ・マルクアートアルゴリズム: 非線形最小二乗問題を最適化するこのアルゴリズムを紹介します。
9: 信頼領域: パラメータ推定値の精度を定量化する統計領域について説明します。
10: 非線形回帰: 最適化手法を使用して非線形モデルをデータに適合させる方法に焦点を当てます。
11: 推定理論: フィルタの設計と分析を理解するために不可欠な、推定の背後にある理論を提供します。
12: 一般化最小二乗: 不均一分散がある場合の回帰問題を解決するための一般化されたアプローチについて説明します。
13: フォン・ミーゼス・フィッシャー分布: 高次元の方向データに役立つこの確率分布を紹介します。
14: アンサンブル カルマン フィルタ: 大規模な非線形システムに適したカルマン フィルタのバリエーションを探ります。
15: フィルタリング問題 (確率過程): 動的システムのランダム プロセスにフィルタリングを適用する方法について詳しく説明します。
16: GPS/INS: 正確なナビゲーションと推定のための GPS と慣性航法システムの統合について説明します。
17: 線形最小二乗法: 線形回帰問題を解くための最小二乗法について説明します。
18: 対称性保持フィルター: ロボット工学で重要な、システムの対称性を保持するように設計されたフィルターを紹介します。
19: 不変拡張カルマンフィルター: 非線形システムで不変性を維持する EKF のバリエーションについて説明します。
20: 無香料変換: 非線形モデルの状態推定を改善するための手法である無香料変換について説明します。
21: SAMV (アルゴリズム): 不確実な環境での堅牢な推定のための SAMV アルゴリズムを紹介します。