Sekvenční Monte Carlo pro časové řady
Sekvenční Monte Carlo (SMC) pro časové řady, běžně nazývané částicový filtr, je bayesovská simulační metoda, která sleduje skrytý stav dynamického systému, jak přicházejí pozorování jedno po druhém. Oblak vážených náhodných vzorků – částic – je propagován vpřed dynamikou systému, převažován podle toho, jak dobře každá částice vysvětluje nové pozorování, a periodicky je vzorkován, aby reprezentace zůstala koncentrovaná na pravděpodobné stavy.
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). Sequential Monte Carlo Methods for Time Series. ScholarGate. https://scholargate.app/cs/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.
- Dynamická Bayesovská síťBayesovská statistika↔ compare
- Gibbs SamplingBayesovská statistika↔ compare
- Kalmanův filtrBayesovská statistika↔ 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 →