Динамично последователно Монте Карло
Динамичното последователно Монте Карло (Dynamic SMC) е байесовски изчислителен метод, който поддържа и актуализира популация от претеглени извадки — частици — при постъпване на нови наблюдения във времето. Той разпространява частиците през модел на динамична система, претегля ги според това колко добре съответстват на наблюдаваните данни и периодично преизбирава, за да концентрира усилията върху области с висока вероятност, осигурявайки онлайн байесовски извод за модели на състояние-пространство и еволюиращи във времето модели.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Източници
- Del Moral, P., Doucet, A. & Jasra, A. (2006). Sequential Monte Carlo samplers. Journal of the Royal Statistical Society: Series B, 68(3), 411–436. DOI: 10.1111/j.1467-9868.2006.00553.x ↗
- Doucet, A., de Freitas, N. & Gordon, N. (Eds.) (2001). Sequential Monte Carlo Methods in Practice. Springer. ISBN: 978-0387951461
Как да цитирате тази страница
ScholarGate. (2026, June 3). Dynamic Sequential Monte Carlo Sampler. ScholarGate. https://scholargate.app/bg/bayesian/dynamic-sequential-monte-carlo
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Динамично Байесово извежданеБейсови методи↔ compare
- Гиббсов семплерБейсови методи↔ compare
- Хамилтънов Монте КарлоБейсови методи↔ compare
- Калманов филтърБейсови методи↔ compare
- Частицов филтър (последователен Монте Карло)Бейсови методи↔ compare
- Последователен Монте КарлоБейсови методи↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →