Filtro de Partículas Dinámico
Un filtro de partículas dinámico es un algoritmo de Monte Carlo secuencial que rastrea un estado oculto en evolución a lo largo del tiempo manteniendo una población de muestras aleatorias ponderadas —partículas—, cada una representando una trayectoria plausible. A medida que llegan nuevas observaciones, los pesos de las partículas se actualizan a través de la verosimilitud y la población se remuestrea, manteniendo la representación concentrada en las regiones de estado más probables en un entorno completamente no lineal y no gaussiano.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
Fuentes
- Doucet, A., de Freitas, N. & Gordon, N. (Eds.). (2001). Sequential Monte Carlo Methods in Practice. Springer. ISBN: 978-0387951461
- 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 ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Dynamic Particle Filter for Sequential State Estimation. ScholarGate. https://scholargate.app/es/bayesian/dynamic-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.
- Inferencia Bayesiana DinámicaBayesiano↔ compare
- Filtro de KalmanBayesiano↔ compare
- Filtro de Partículas (Monte Carlo Secuencial)Bayesiano↔ compare
- Monte Carlo SecuencialBayesiano↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →