Časový filtr částic
Časový filtr částic je metoda sekvenčního Monte Carlo, která sleduje skrytý stav nelineárního, negauusovského stavového modelu, jak přicházejí nové pozorování jedno po druhém. Reprezentuje vyvíjející se aposteriorní distribuci nad latentním stavem jako vážený mrak náhodných vzorků (částic) a aktualizuje je v každém časovém kroku prostřednictvím propagace, vážení věrohodností a přeerovzorkování.
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
- 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
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Time Series Particle Filter (Sequential Monte Carlo for State-Space Models). ScholarGate. https://scholargate.app/cs/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.
- Dynamická Bayesovská síťBayesovská statistika↔ compare
- Kalmanův filtrBayesovská statistika↔ compare
- Částicový filtr (sekvenční Monte Carlo)Bayesovská statistika↔ compare
- Sekvenční Monte CarloBayesovská statistika↔ compare
- Bayesovská inference časových řadBayesovská statistika↔ compare
- Časová řada Kalmanův filtrBayesovská statistika↔ compare
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →