Monte Carlo seqüencial amb error de mesura
El Monte Carlo seqüencial (SMC) amb error de mesura és un mètode de filtratge bayesià basat en partícules per fer el seguiment d'estats ocults en sistemes dinàmics quan les observacions estan corrompudes per soroll. Propaga un núvol ponderat de partícules al llarg del temps, actualitzant els pesos a cada pas per reflectir com de bé cada partícula explica la mesura sorollosa, i produeix una distribució posterior completa sobre l'estat latent a cada punt temporal.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Mapa de mètodes
El veïnat de mètodes relacionats — seleccioneu un node per explorar-lo.
Fonts
- Doucet, A., de Freitas, N., & Gordon, N. (Eds.). (2001). Sequential Monte Carlo Methods in Practice. Springer New York. ISBN: 978-0-387-95146-1
- Cappe, O., Godsill, S. J., & Moulines, E. (2007). An overview of existing methods and recent advances in sequential Monte Carlo. Proceedings of the IEEE, 95(5), 899-924. DOI: 10.1109/JPROC.2007.893250 ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Sequential Monte Carlo with Measurement Error. ScholarGate. https://scholargate.app/ca/bayesian/sequential-monte-carlo-with-measurement-error
Quin mètode?
Poseu aquest mètode al costat dels seus parents més pròxims i llegiu-los de costat a costat — la biblioteca disposa els llibres sobre la taula; la tria és vostra.
- Inferència Bayesiana amb Error de MesuraBayesià↔ compara
- Inferència Bayesiana DinàmicaBayesià↔ compara
- El filtre de Kalman amb error de mesuraBayesià↔ compara
- Cadena de Markov de Monte Carlo (MCMC)Simulació↔ compara
- Filtre de partícules (Mètodes Sequencials de Monte Carlo)Bayesià↔ compara
- Monte Carlo SeqüencialBayesià↔ compara
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →