Bayesian methodsBayesian / computational

Μέθοδος Monte Carlo Ακολουθίας Χρονοσειρών

Η Μέθοδος Monte Carlo Ακολουθίας (SMC), κοινώς γνωστή ως φίλτρο σωματιδίων, είναι μια Μπεϋζιανή μέθοδος προσομοίωσης που παρακολουθεί την κρυφή κατάσταση ενός δυναμικού συστήματος καθώς οι παρατηρήσεις φτάνουν μία προς μία. Ένα νέφος σταθμισμένων τυχαίων δειγμάτων — σωματιδίων — διαδίδεται προς τα εμπρός μέσω της δυναμικής του συστήματος, επανασταθμίζεται ανάλογα με το πόσο καλά κάθε σωματίδιο εξηγεί τη νέα παρατήρηση, και περιοδικά επαναδειγματοληπτείται για να διατηρηθεί η αναπαράσταση συγκεντρωμένη σε πιθανές καταστάσεις.

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. 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
  2. Doucet, A., de Freitas, N., & Gordon, N. (Eds.). (2001). Sequential Monte Carlo Methods in Practice. Springer. ISBN: 978-0387951461

Πώς να παραπέμψετε σε αυτή τη σελίδα

ScholarGate. (2026, June 3). Sequential Monte Carlo Methods for Time Series. ScholarGate. https://scholargate.app/el/bayesian/time-series-sequential-monte-carlo

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
ScholarGateTime series sequential Monte Carlo (Sequential Monte Carlo Methods for Time Series). Ανακτήθηκε στις 2026-06-15 από https://scholargate.app/el/bayesian/time-series-sequential-monte-carlo · Σύνολο δεδομένων: https://doi.org/10.5281/zenodo.20539026