Bayesian methodsBayesian / computational

Φίλτρο σωματιδίων με ελλιπή δεδομένα

Ένα φίλτρο σωματιδίων προσαρμοσμένο για μοντέλα χώρου-καταστάσεων στα οποία απουσιάζουν ορισμένες παρατηρήσεις. Ο αλγόριθμος παρακολουθεί μια κρυφή κατάσταση με την πάροδο του χρόνου χρησιμοποιώντας ένα νέφος σταθμισμένων τυχαίων δειγμάτων (σωματιδίων). Όταν σε ένα χρονικό βήμα δεν υπάρχει παρατηρούμενη τιμή, το βήμα ενημέρωσης των βαρών απλώς παραλείπεται, οπότε τα σωματίδια διαδίδονται προς τα εμπρός χρησιμοποιώντας μόνο το μοντέλο μετάβασης μέχρι να φτάσουν νέα δεδομένα.

Άνοιγμα στο MethodMindΣύντομαΒίντεοΣύντομαDownload slides

Διαβάστε ολόκληρη τη μέθοδο

Μόνο για μέλη

Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.

Σύνδεση

Method map

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

Πηγές

  1. Doucet, A., de Freitas, N. & Gordon, N. J. (Eds.) (2001). Sequential Monte Carlo Methods in Practice. Springer, New York. ISBN: 978-0387951461
  2. Doucet, A., Godsill, S. & Andrieu, C. (2000). On sequential Monte Carlo sampling methods for Bayesian filtering. Statistics and Computing, 10(3), 197-208. DOI: 10.1023/A:1008935410038

Πώς να παραπέμψετε σε αυτή τη σελίδα

ScholarGate. (2026, June 3). Sequential Monte Carlo Particle Filter for State-Space Models with Missing Observations. ScholarGate. https://scholargate.app/el/bayesian/particle-filter-with-missing-data

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.

Compare side by side

Αναφέρεται από

ScholarGateParticle Filter with Missing Data (Sequential Monte Carlo Particle Filter for State-Space Models with Missing Observations). Ανακτήθηκε στις 2026-06-15 από https://scholargate.app/el/bayesian/particle-filter-with-missing-data · Σύνολο δεδομένων: https://doi.org/10.5281/zenodo.20539026