Sekvenční metodou Monte Carlo s chybou měření
Sekvenční metoda Monte Carlo (SMC) s chybou měření je bayesovský filtrační metoda založená na částicích pro sledování skrytých stavů v dynamických systémech, když jsou pozorování narušena šumem. Propaguje vážený oblak částic v čase, přičemž v každém kroku aktualizuje váhy, aby odrážely, jak dobře každá částice vysvětluje šumové měření, a produkuje úplnou posteriorní distribuci nad latentním stavem v každém časovém bodě.
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
- 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 ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Sequential Monte Carlo with Measurement Error. ScholarGate. https://scholargate.app/cs/bayesian/sequential-monte-carlo-with-measurement-error
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.
- Bayesovská inference s chybou měřeníBayesovská statistika↔ compare
- Dynamická Bayesovská inferenceBayesovská statistika↔ compare
- Kalmanův filtr s chybou měřeníBayesovská statistika↔ compare
- Markov Chain Monte Carlo (MCMC)Simulace↔ compare
- Částicový filtr (sekvenční Monte Carlo)Bayesovská statistika↔ compare
- Sekvenční Monte CarloBayesovská statistika↔ compare
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →