Zeitreihen-Partikelfilter
Der Zeitreihen-Partikelfilter ist eine Sequentielle Monte-Carlo-Methode, die den verborgenen Zustand eines nichtlinearen, nicht-Gaußschen Zustandsraummodells verfolgt, während neue Beobachtungen einzeln eintreffen. Er repräsentiert die sich entwickelnde Posterior-Verteilung über den latenten Zustand als eine gewichtete Wolke von Zufallsstichproben (Partikeln), die bei jedem Zeitschritt durch Propagation, Likelihood-Gewichtung und Resampling aktualisiert werden.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- 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
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Time Series Particle Filter (Sequential Monte Carlo for State-Space Models). ScholarGate. https://scholargate.app/de/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.
- Dynamisches Bayes'sches NetzBayes-Statistik↔ compare
- Kalman FilterBayes-Statistik↔ compare
- Partikelfilter (Sequentieller Monte-Carlo-Algorithmus)Bayes-Statistik↔ compare
- Sequentielle Monte-Carlo-MethodenBayes-Statistik↔ compare
- Bayessche Inferenz für ZeitreihenBayes-Statistik↔ compare
- Time Series Kalman FilterBayes-Statistik↔ compare
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →