ScholarGate
Asistent
Bayesian methodsBayesian / computational

Sekvenční Monte Carlo

Sekvenční Monte Carlo (SMC) je rodina simulačních algoritmů, které aproximují vyvíjející se pravděpodobnostní rozdělení propagací a převažováním oblaku vážených náhodných výběrů zvaných částice. Přirozeně zvládá nelineární, negauusovské modely a proudy dat, což z něj činí metodu volby pro odhad stavu v reálném čase a aproximaci posterioru přes složitá rozdělení.

Otevřít v MethodMindJiž brzyVideoJiž brzyDownload slides

Přečíst celou metodu

Pouze pro členy

Pro přečtení této sekce se přihlaste s bezplatným účtem.

Přihlásit se

Method map

The neighbourhood of related methods — select a node to explore.

Sekvenční Monte Carlo
Aproximované bayesovské…Gibbs SamplingHamiltonovské Monte CarloKalmanův filtrMarkov Chain Monte Carlo…Částicový filtr (sekvenč…Aproximativní Bayesovské…Přibližná Bayesovská výp…Dynamický bayesovský hie…Dynamická Bayesovská inf…

+41 more

Zdroje

  1. 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 ↗
  2. 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 ↗

Jak citovat tuto stránku

ScholarGate. (2026, June 3). Sequential Monte Carlo Methods. ScholarGate. https://scholargate.app/cs/bayesian/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.

Compare side by side →

Odkazuje sem

Aproximované bayesovské počtyAproximativní Bayesovské počítání s chybou měřeníPřibližná Bayesovská výpočetní metoda s chybějícími datyDynamický bayesovský hierarchický modelDynamická Bayesovská inferenceDynamické bayesovské zprůměrování modelůDynamická Bayesovská síťDynamický Hamiltonovský Monte CarloDynamická simulace Monte CarloDynamický filtr částicDynamické sekvenční Monte CarloDynamická variační inferenceHierarchické Approximate Bayesian ComputationHierarchical Bootstrap SimulationHierarchický Kalmanův filtrHierarchický částicový filtrKalmanův filtrKalmanův filtr s chybou měřeníKalmanův filtr s chybějícími datyAlgoritmus Metropolis-HastingsMetropolis-Hastings pro porovnání modelůSimulace Monte Carlo s chybějícími datyVícerozměrné aproximativní bayesovské výpočtyVícestupňová bootstrapová simulaceVícestupňová simulace Monte CarloČásticový filtr s chybou měřeníČásticový filtr s chybějícími datyRobustní přibližná Bayesovská výpočetní metodaRobustní Kalmanův filtrRobustní Markovovy řetězce Monte CarloRobustní simulace Monte CarloRobustní částicový filtrRobustní sekvenční Monte CarloSekvenční metodou Monte Carlo s chybou měřeníSekvenční Monte Carlo s chybějícími datyProstorová přibližná Bayesovská výpočtová metodaProstorová bootstrapová simulaceProstorový Kalmanův filtrProstorová simulace Monte CarloAproximativní bayesovské výpočty pro časové řadyBayesovská inference časových řadBayesovské průměrování časových řadČasová řada Kalmanův filtrMCMC pro časové řadyČasový filtr částicSekvenční Monte Carlo pro časové řadyVariační inference pro časové řady

Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →

ScholarGate — Sequential Monte Carlo (Sequential Monte Carlo Methods). Získáno 2026-06-15 z https://scholargate.app/cs/bayesian/sequential-monte-carlo · Datová sada: https://doi.org/10.5281/zenodo.20539026