Filtre de partícules per a sèries temporals
El filtre de partícules per a sèries temporals és un mètode de Monte Carlo seqüencial que rastreja l'estat ocult d'un model d'espai d'estats no lineal i no gaussià a mesura que arriben noves observacions una a una. Representa la distribució posterior evolutiva sobre l'estat latent com un núvol ponderat de mostres aleatòries (partícules), actualitzant-les a cada pas de temps mitjançant la propagació, la ponderació de versemblança i el remostreig.
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
- 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
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Time Series Particle Filter (Sequential Monte Carlo for State-Space Models). ScholarGate. https://scholargate.app/ca/bayesian/time-series-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.
- Xarxa Bayesiana DinàmicaBayesià↔ compare
- Filtre de KalmanBayesià↔ compare
- Filtre de partícules (Mètodes Sequencials de Monte Carlo)Bayesià↔ compare
- Monte Carlo SeqüencialBayesià↔ compare
- Inferencia Bayesiana de Sèries TemporalsBayesià↔ compare
- El filtre de Kalman per a sèries temporalsBayesià↔ compare
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →