Monte Carlo seqüencial per a sèries temporals
El Monte Carlo seqüencial (SMC) per a sèries temporals, comunament anomenat filtre de partícules, és un mètode de simulació bayesiana que rastreja l'estat ocult d'un sistema dinàmic a mesura que arriben les observacions una a una. Un núvol de mostres aleatòries ponderades —partícules— es propaga cap endavant a través de la dinàmica del sistema, es repondera segons la capacitat de cada partícula per explicar la nova observació i es remostreja periòdicament per mantenir la representació concentrada en estats plausibles.
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). Sequential Monte Carlo Methods for Time Series. ScholarGate. https://scholargate.app/ca/bayesian/time-series-sequential-monte-carlo
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
- Campionament de GibbsBayesià↔ 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 →