Tidsserie partikelfilter
Tidsserie partikelfilteret er en Sekventiel Monte Carlo-metode, der sporer den skjulte tilstand af en ikke-lineær, ikke-Gaussisk tilstandsrumsmodel, efterhånden som nye observationer ankommer én ad gangen. Den repræsenterer den udviklende posterior-fordeling over den latente tilstand som en vægtet sky af tilfældige stikprøver (partikler), der opdateres ved hvert tidstrin gennem propagation, likelihood-vægtning og resampling.
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
- 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
Sådan citerer du denne side
ScholarGate. (2026, June 3). Time Series Particle Filter (Sequential Monte Carlo for State-Space Models). ScholarGate. https://scholargate.app/da/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.
- Dynamisk Bayesiansk NetværkBayesiansk↔ compare
- Kalman-filterBayesiansk↔ compare
- Partikelfilter (sekventiel Monte Carlo)Bayesiansk↔ compare
- Sekventiel Monte CarloBayesiansk↔ compare
- Bayesiansk inferens for tidsserierBayesiansk↔ compare
- Tidsserie Kalman-filterBayesiansk↔ compare
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →