Dünaamiline osakfilter
Dünaamiline osakfilter on järjestikune Monte Carlo algoritm, mis jälgib ajas arenevat varjatud olekut, säilitades kaalutud juhuslike valimite – osakeste – populatsiooni, millest igaüks esindab tõenäolist trajektoori. Uute vaatluste saabudes värskendatakse osakeste kaalusid tõenäosuse kaudu ja populatsiooni ressampeldatakse, hoides esitust koondununa kõige tõenäolisematele olekupiirkondadele täielikult mittelineaarses ja mitte-Gaussi keskkonnas.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Method map
The neighbourhood of related methods — select a node to explore.
Allikad
- 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 ↗
Kuidas sellele lehele viidata
ScholarGate. (2026, June 3). Dynamic Particle Filter for Sequential State Estimation. ScholarGate. https://scholargate.app/et/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.
- Dünaamiline Bayes'lik järeldusBayesi meetodid↔ compare
- Kalmani filterBayesi meetodid↔ compare
- Particle Filter (Sequential Monte Carlo)Bayesi meetodid↔ compare
- Jadaline Monte CarloBayesi meetodid↔ compare
Sellele viitavad
Märkasid sellel lehel viga? Teata sellest või paku parandust →