Filtre de partícules (Mètodes Sequencials de Monte Carlo)
El filtre de partícules, introduït per Gordon, Salmond i Smith el 1993, és un algorisme seqüencial de Monte Carlo que aproxima la distribució de filtratge bayesià per a models d'espai d'estats no lineals i no gaussianos. En lloc de fer el seguiment d'una única millor estimació, manté un núvol de N mostres aleatòries ponderades —partícules— que representen col·lectivament la distribució posterior completa d'un estat ocult en cada moment a mesura que arriben noves observacions.
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.
+25 more
Fonts
- 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., Godsill, S. J., & Andrieu, C. (2000). On sequential Monte Carlo sampling methods for Bayesian filtering. Statistics and Computing, 10(3), 197–208. DOI: 10.1023/A:1008935410038 ↗
- Doucet, A., de Freitas, N., & Gordon, N. (Eds.). (2001). Sequential Monte Carlo Methods in Practice. Springer-Verlag. ISBN: 978-0-387-95146-1
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Particle Filter (Sequential Monte Carlo). ScholarGate. https://scholargate.app/ca/bayesian/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.
- Regressió BayesianaBayesià↔ compare
- Filtre de KalmanBayesià↔ compare
- Cadenes de Markov Monte Carlo (MCMC)Bayesià↔ compare
- Model d'espai d'estats (Filtre de Kalman)Econometria↔ compare
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →