Последователно Монте Карло за времеви редове
Последователното Монте Карло (SMC) за времеви редове, често наричано филтър на частици, е байесов метод за симулация, който проследява скритото състояние на динамична система, докато наблюденията пристигат едно по едно. Облак от претеглени случайни извадки — частици — се разпространява напред през динамиката на системата, претегля се отново според това колко добре всяка частица обяснява новото наблюдение и периодично се преизбира, за да се запази представянето концентрирано върху правдоподобни състояния.
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). Sequential Monte Carlo Methods for Time Series. ScholarGate. https://scholargate.app/bg/bayesian/time-series-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.
- Динамична Байесова мрежаБейсови методи↔ compare
- Гиббсов семплерБейсови методи↔ compare
- Калманов филтърБейсови методи↔ compare
- Частицов филтър (последователен Монте Карло)Бейсови методи↔ compare
- Последователен Монте КарлоБейсови методи↔ compare
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →