Filtre de partícules dinàmic
Un filtre de partícules dinàmic és un algorisme de Monte Carlo seqüencial que fa el seguiment d'un estat ocult en evolució al llarg del temps mantenint una població de mostres aleatòries ponderades —partícules—, cadascuna representant una trajectòria plausible. A mesura que arriben noves observacions, els pesos de les partícules s'actualitzen mitjançant la versemblança i la població es torna a mostrejar, mantenint la representació concentrada en les regions d'estat més probables en un entorn totalment no lineal i no gaussà.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
Fonts
- Doucet, A., de Freitas, N. & Gordon, N. (Eds.). (2001). Sequential Monte Carlo Methods in Practice. Springer. ISBN: 978-0387951461
- 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 ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Dynamic Particle Filter for Sequential State Estimation. ScholarGate. https://scholargate.app/ca/bayesian/dynamic-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.
- Inferència Bayesiana DinàmicaBayesià↔ compare
- Filtre de KalmanBayesià↔ compare
- Filtre de partícules (Mètodes Sequencials de Monte Carlo)Bayesià↔ compare
- Monte Carlo SeqüencialBayesià↔ compare
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →