Bayesian methodsBayesian / computational

Последователен Монте Карло

Последователен Монте Карло (SMC) е семейство алгоритми, базирани на симулации, които апроксимират еволюиращи вероятностни разпределения чрез разпространение и претегляне на облак от претеглени случайни извадки, наречени частици. Той обработва нелинейни, не-Гаусови модели и потоци от данни естествено, което го прави предпочитан метод за оценка на състоянието в реално време и апроксимация на апостериорни разпределения върху сложни разпределения.

Отворете в MethodMindСкороВидеоСкороDownload slides

Прочетете целия метод

Само за членове

Влезте с безплатен профил, за да прочетете този раздел.

Вход

Method map

The neighbourhood of related methods — select a node to explore.

Последователен Монте Карло

Приблизително Байесово и…Гиббсов семплер Хамилтънов Монте Карло Калманов филтър Марковски Монте Карло ве…Частицов филтър (последо…Приблизителни Байесови и…Приблизителни Байесови и…Динамичен байесов йерарх…Динамично Байесово извеж…

+41 more

Източници

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 ↗
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 ↗

Как да цитирате тази страница

ScholarGate. (2026, June 3). Sequential Monte Carlo Methods. ScholarGate. https://scholargate.app/bg/bayesian/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.

Приблизително Байесово изчислениеСимулационно моделиране↔ compare
Гиббсов семплерБейсови методи↔ compare
Хамилтънов Монте КарлоБейсови методи↔ compare
Калманов филтърБейсови методи↔ compare
Марковски Монте Карло вериги (MCMC)Бейсови методи↔ compare
Частицов филтър (последователен Монте Карло)Бейсови методи↔ compare

Compare side by side →

Цитиран в

Приблизително Байесово изчисление Приблизителни Байесови изчисления при грешка в измерването Приблизителни Байесови изчисления при липсващи данни Динамичен байесов йерархичен модел Динамично Байесово извеждане Динамично Байесово осредняване на модели Динамична Байесова мрежа Динамичен Хамилтонов Монте Карло Динамична симулация по метода на Монте Карло Динамичен частицов филтър Динамично последователно Монте Карло Динамично вариационно извеждане Йерархична приблизителна байесова компютация Йерархична бутстрап симулация Йерархичен филтър на Калман Йерархичен частицов филтър Калманов филтър Калманов филтър с грешка в измерването Калманов филтър при липсващи данни Алгоритъм на Метрополис-Хастингс Metropolis-Hastings за сравнение на модели Монте Карло симулация с липсващи данни Многостепенна приближена байесова компютация Многостепенна бутстрап симулация Многоуровнева симулация Монте Карло Филтър с частици и грешка при измерване Филтър с частици при липсващи данни Устойчиво приблизително Байесово изчисление Устойчив Калманов филтър Robust Markov Chain Monte Carlo Робастна Монте Карло симулация Устойчив частицов филтър Робастно последователно Монте Карло Последователен Монте Карло с грешка в измерването Последователно Монте Карло с липсващи данни Пространствена апроксимирана байесова изчислителна техника Пространствена бутстрап симулация Пространствен филтър на Калман Пространствена Монте Карло симулация Апроксимативна байесова компютърна обработка на времеви редове Бейсиански изводи за времеви редове Байесовско усредняване на времеви редове (TS-BMA)Филтър на Калман за времеви редове MCMC за времеви редове Времеви частицов филтър Последователно Монте Карло за времеви редове Вариационен извод за времеви редове

Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →