Filtre de partícules jeràrquic
Un filtre de partícules jeràrquic estén el mètode Monte Carlo seqüencial (SMC) a models d'espai d'estats amb múltiples nivells de variables latents. Les partícules es propaguen a cada nivell de la jerarquia, permetent al mètode seguir simultàniament tant la dinàmica de l'estat de gra fi fina com els hiperparàmetres de variació més lenta, produint distribucions posteriors calibrades a tots els nivells del model.
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
- Briers, M., Doucet, A. & Maskell, S. (2010). Smoothing algorithms for state-space models. Annals of the Institute of Statistical Mathematics, 62(1), 61-89. DOI: 10.1007/s10463-009-0236-2 ↗
- Chopin, N., Jacob, P. E. & Papaspiliopoulos, O. (2013). SMC2: an efficient algorithm for sequential analysis of state-space models. Journal of the Royal Statistical Society: Series B, 75(3), 397-426. DOI: 10.1111/j.1467-9868.2012.01046.x ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Hierarchical Particle Filter. ScholarGate. https://scholargate.app/ca/bayesian/hierarchical-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 jeràrquicaBayesià↔ compare
- Cadena de Markov de Monte Carlo jeràrquicaBayesià↔ compare
- Filtre de KalmanBayesià↔ compare
- Filtre de partícules (Mètodes Sequencials de Monte Carlo)Bayesià↔ compare
- Monte Carlo SeqüencialBayesià↔ compare
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →