الترشيح التسلسلي بالجسيمات للسلاسل الزمنية
الترشيح التسلسلي بالجسيمات (SMC)، والذي يُطلق عليه عادةً مرشح الجسيمات، هو طريقة محاكاة بايزية تتتبع الحالة المخفية لنظام ديناميكي مع وصول الملاحظات واحدة تلو الأخرى. يتم نشر سحابة من العينات العشوائية الموزونة - الجسيمات - إلى الأمام عبر ديناميكيات النظام، وإعادة ترجيحها بناءً على مدى جودة كل جسيم في تفسير الملاحظة الجديدة، وإعادة أخذ عينات بشكل دوري للحفاظ على التمثيل مركزًا على الحالات المحتملة.
اقرأ الطريقة كاملة
سجّل الدخول بحساب مجاني لقراءة هذا القسم.
خريطة المناهج
محيط المناهج ذات الصلة — اختر عقدةً للاستكشاف.
المصادر
- Gordon, N. J., Salmond, D. J., & Smith, A. F. M. (1993). Novel approach to nonlinear/non-Gaussian Bayesian state estimation. IEE Proceedings F — Radar and Signal Processing, 140(2), 107–113. DOI: 10.1049/ip-f-2.1993.0015 ↗
- Doucet, A., de Freitas, N., & Gordon, N. (Eds.). (2001). Sequential Monte Carlo Methods in Practice. Springer. ISBN: 978-0387951461
كيف تستشهد بهذه الصفحة
ScholarGate. (2026, June 3). Sequential Monte Carlo Methods for Time Series. ScholarGate. https://scholargate.app/ar/bayesian/time-series-sequential-monte-carlo
أيُّ منهج؟
ضع هذا المنهج إلى جانب أقرب نظائره واقرأهما جنباً إلى جنب — المكتبة تضع الكتب على الطاولة، والاختيار لك.
- الشبكة البايزية الديناميكيةبايزي↔ قارن
- أخذ العينات بطريقة جيبسبايزي↔ قارن
- مرشح كالمانبايزي↔ قارن
- مرشح الجسيمات (مونت كارلو التسلسلي)بايزي↔ قارن
- مونت كارلو التسلسليبايزي↔ قارن