Bayesian methodsBayesian / computational

Sekventiel Monte Carlo

Sekventiel Monte Carlo (SMC) er en familie af simuleringsbaserede algoritmer, der approksimerer udviklende sandsynlighedsfordelinger ved at propagere og genvægte en sky af vægtede tilfældige træk kaldet partikler. Den håndterer ikke-lineære, ikke-Gaussiske modeller og datastrømme naturligt, hvilket gør den til den foretrukne metode til realtids tilstandsestimering og posterior approksimation over komplekse fordelinger.

Åbn i MethodMindSnartVideoSnartDownload slides

Læs hele metoden

Kun for medlemmer

Log ind med en gratis konto for at læse dette afsnit.

Log ind

Method map

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

Sekventiel Monte Carlo

Approksimativ Bayesiansk…Gibbs Sampling Hamiltonian Monte Carlo Kalman-filter Markov Chain Monte Carlo…Partikelfilter (sekventi…Approximate Bayesian Com…Approximate Bayesian Com…Dynamisk Bayesiansk Hier…Dynamisk Bayesiansk Infe…

+41 more

Kilder

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 ↗
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 ↗

Sådan citerer du denne side

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

Approksimativ Bayesiansk BeregningSimulering↔ compare
Gibbs SamplingBayesiansk↔ compare
Hamiltonian Monte CarloBayesiansk↔ compare
Kalman-filterBayesiansk↔ compare
Markov Chain Monte Carlo (MCMC)Bayesiansk↔ compare
Partikelfilter (sekventiel Monte Carlo)Bayesiansk↔ compare

Compare side by side →

Refereret af

Approksimativ Bayesiansk Beregning Approximate Bayesian Computation med målefejl Approximate Bayesian Computation med manglende data Dynamisk Bayesiansk Hierarkisk Model Dynamisk Bayesiansk Inferens Dynamisk Bayesiansk Modelvejning Dynamisk Bayesiansk Netværk Dynamisk Hamiltonsk Monte Carlo Dynamisk Monte Carlo-simulering Dynamisk partikelfilter Dynamisk Sekventiel Monte Carlo Dynamisk variationel inferens Hierarkisk Approksimativ Bayesiansk Beregning Hierarkisk bootstrap-simulering Hierarkisk Kalman-filter Hierarkisk partikelfilter Kalman-filter Kalmanfilter med målefejl Kalmanfilter med manglende data Metropolis-Hastings Algoritmen Metropolis-Hastings til model-sammenligning Monte Carlo-simulering med manglende data Multiniveau Approksimativ Bayesiansk Beregning Flerniveau Bootstrap Simulering Multilevel Monte Carlo Simulation Partikelfilter med målefejl Partikelfilter med manglende data Robust Approximate Bayesian Computation Robust Kalman-filter Robust Markovkæde Monte Carlo Robust Monte Carlo-simulering Robust Particle Filter Robust Sekventiel Monte Carlo Sekventiel Monte Carlo med målefejl Sekventiel Monte Carlo med manglende data Rumlig Approksimativ Bayesiansk Beregning Spatial Bootstrap Simulation Rumligt Kalman-filter Spatial Monte Carlo Simulation Time Series Approximate Bayesian Computation Bayesiansk inferens for tidsserier Tidsserie Bayesiansk Modelgennemsnit Tidsserie Kalman-filter Tidsserie MCMC Tidsserie partikelfilter Sekventiel Monte Carlo for tidsserier Variationsinferens for tidsserier

Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →