Dynamické sekvenční Monte Carlo
Dynamické sekvenční Monte Carlo (Dynamic SMC) je bayesovská výpočetní metoda, která udržuje a aktualizuje populaci vážených vzorků — částic — s příchodem nových pozorování v čase. Propaguje částice modelem dynamického systému, převažuje je podle toho, jak dobře odpovídají pozorovaným datům, a periodicky provádí převažování, aby se úsilí soustředilo na oblasti s vysokou pravděpodobností, což umožňuje online inferenci posteriorních rozdělení pro stavové prostory a časově se vyvíjející modely.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- Del Moral, P., Doucet, A. & Jasra, A. (2006). Sequential Monte Carlo samplers. Journal of the Royal Statistical Society: Series B, 68(3), 411–436. DOI: 10.1111/j.1467-9868.2006.00553.x ↗
- Doucet, A., de Freitas, N. & Gordon, N. (Eds.) (2001). Sequential Monte Carlo Methods in Practice. Springer. ISBN: 978-0387951461
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Dynamic Sequential Monte Carlo Sampler. ScholarGate. https://scholargate.app/cs/bayesian/dynamic-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.
- Dynamická Bayesovská inferenceBayesovská statistika↔ compare
- Gibbs SamplingBayesovská statistika↔ compare
- Hamiltonovské Monte CarloBayesovská statistika↔ compare
- Kalmanův filtrBayesovská statistika↔ compare
- Částicový filtr (sekvenční Monte Carlo)Bayesovská statistika↔ compare
- Sekvenční Monte CarloBayesovská statistika↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →