본 논문은 칼만 필터 프레임워크 내에서 새로운 쿨백-라이블러 발산 방법을 사용하여 가장 타당한 결과를 가진 입력-파라미터-상태 추정을 선택하는 능력을 검토합니다. 이 방법은 서로 다른 초기 파라미터 집합 추측으로부터 얻은 결과의 불확실성을 해결하기 위해 사전 분포에서 사후 분포로 이동하는 과정에서 데이터로부터 얻은 정보를 활용합니다. 칼만 필터를 여러 다른 초기 파라미터 집합에 대해 수행하여 시스템 입력-파라미터-상태 추정을 수행하고, 쿨백-라이블러 발산을 사용하여 사후 분포를 초기 사전 분포와 비교합니다. 쿨백-라이블러 발산이 가장 작은 식별을 가장 타당한 결과로 선택합니다.
