Времеви частицов филтър
Времевият частицов филтър е метод на последователния Монте Карло, който проследява скритото състояние на нелинеен, негаусов модел на пространство на състоянията, докато нови наблюдения пристигат едно по едно. Той представя развиващото се апостериорно разпределение върху латентното състояние като претеглен облак от случайни извадки (частици), като ги актуализира на всяка стъпка във времето чрез разпространение, претегляне по правдоподобност и повторно семплиране.
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
- 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
Как да цитирате тази страница
ScholarGate. (2026, June 3). Time Series Particle Filter (Sequential Monte Carlo for State-Space Models). ScholarGate. https://scholargate.app/bg/bayesian/time-series-particle-filter
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.
- Динамична Байесова мрежаБейсови методи↔ compare
- Калманов филтърБейсови методи↔ compare
- Частицов филтър (последователен Монте Карло)Бейсови методи↔ compare
- Последователен Монте КарлоБейсови методи↔ compare
- Бейсиански изводи за времеви редовеБейсови методи↔ compare
- Филтър на Калман за времеви редовеБейсови методи↔ compare
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →