Bayesian methodsBayesian / computational

Διαδοχικά Μόντε Κάρλο με Ελλιπή Δεδομένα

Το Διαδοχικό Μόντε Κάρλο (SMC) με ελλιπή δεδομένα επεκτείνει το τυπικό φίλτρο σωματιδίων σε μοντέλα χώρου-χρόνου στα οποία απουσιάζουν ορισμένες παρατηρήσεις. Όταν μια παρατήρηση λείπει σε ένα δεδομένο χρονικό βήμα, το βήμα ενημέρωσης απλώς παραλείπεται: τα σωματίδια διαδίδονται προς τα εμπρός μέσω του μοντέλου μετάβασης χωρίς επαναστάθμιση, διατηρώντας την ακριβή Μπεϋζιανή συμπερασματολογία υπό οποιοδήποτε μοτίβο ελλιπών δεδομένων, εφόσον η απουσία είναι αμελητέα (λείπει τυχαία ή λείπει εντελώς τυχαία).

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. (Eds.) (2001). Sequential Monte Carlo Methods in Practice. Springer, New York. ISBN: 978-0387951461
  2. Chopin, N., & Papaspiliopoulos, O. (2020). An Introduction to Sequential Monte Carlo. Springer, Cham. DOI: 10.1007/978-3-030-47845-2

Πώς να παραπέμψετε σε αυτή τη σελίδα

ScholarGate. (2026, June 3). Sequential Monte Carlo with Missing Data. ScholarGate. https://scholargate.app/el/bayesian/sequential-monte-carlo-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

ScholarGateSequential Monte Carlo with Missing Data (Sequential Monte Carlo with Missing Data). Ανακτήθηκε στις 2026-06-15 από https://scholargate.app/el/bayesian/sequential-monte-carlo-with-missing-data · Σύνολο δεδομένων: https://doi.org/10.5281/zenodo.20539026