Dynamisk Sekventiel Monte Carlo
Dynamisk Sekventiel Monte Carlo (Dynamic SMC) er en Bayesiansk beregningsmetode, der opretholder og opdaterer en population af vægtede samples – partikler – efterhånden som nye observationer ankommer over tid. Den propagerer partikler gennem en dynamisk systemmodel, genvægter dem efter hvor godt de matcher de observerede data, og foretager periodisk resampling for at koncentrere indsatsen om områder med høj sandsynlighed, hvilket giver online posterior inferens for tilstandsrums- og tidsudviklende modeller.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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
Sådan citerer du denne side
ScholarGate. (2026, June 3). Dynamic Sequential Monte Carlo Sampler. ScholarGate. https://scholargate.app/da/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.
- Dynamisk Bayesiansk InferensBayesiansk↔ compare
- Gibbs SamplingBayesiansk↔ compare
- Hamiltonian Monte CarloBayesiansk↔ compare
- Kalman-filterBayesiansk↔ compare
- Partikelfilter (sekventiel Monte Carlo)Bayesiansk↔ compare
- Sekventiel Monte CarloBayesiansk↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →