Sekventiel Monte Carlo med målefejl
Sekventiel Monte Carlo (SMC) med målefejl er en partikelbaseret Bayesiansk filtreringsmetode til sporing af skjulte tilstande i dynamiske systemer, når observationer er forstyrret af støj. Den propagerer en vægtet sky af partikler gennem tiden og opdaterer vægte ved hvert trin for at afspejle, hvor godt hver partikel forklarer den støjende måling, og producerer en fuld posterior fordeling over den latente tilstand på hvert tidspunkt.
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
- 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 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Sequential Monte Carlo with Measurement Error. ScholarGate. https://scholargate.app/da/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.
- Bayesiansk inferens med målefejlBayesiansk↔ compare
- Dynamisk Bayesiansk InferensBayesiansk↔ compare
- Kalmanfilter med målefejlBayesiansk↔ compare
- Markov Chain Monte Carlo (MCMC)Simulering↔ compare
- Partikelfilter (sekventiel Monte Carlo)Bayesiansk↔ compare
- Sekventiel Monte CarloBayesiansk↔ compare
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →