Jadaline Monte Carlo
Jadaline Monte Carlo (SMC) on simulatsioonipõhiste algoritmide perekond, mis ligilähedaselt hindavad arenevaid tõenäosusjaotusi, edastades ja kaaludes uuesti kaalutud juhuslike jooniste pilve, mida nimetatakse osakesteks. See käsitleb loomulikult mittelineaarseid, mitte-Gaussi mudeleid ja andmevooge, muutes selle reaalajas oleku hindamise ja keeruliste jaotuste tagajärjeprognooside jaoks sobivaimaks meetodiks.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Method map
The neighbourhood of related methods — select a node to explore.
+41 more
Allikad
- 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 ↗
- Del Moral, P., Doucet, A., & Jasra, A. (2006). Sequential Monte Carlo samplers. Journal of the Royal Statistical Society: Series B, 68(3), 411–436. DOI: 10.1111/j.1467-9868.2006.00553.x ↗
Kuidas sellele lehele viidata
ScholarGate. (2026, June 3). Sequential Monte Carlo Methods. ScholarGate. https://scholargate.app/et/bayesian/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.
- Tundlik-vaba järeldus (Approximate Bayesian ComputationSimulatsioon↔ compare
- Gibbs SamplingBayesi meetodid↔ compare
- Hamiltoni Monte CarloBayesi meetodid↔ compare
- Kalmani filterBayesi meetodid↔ compare
- Markovi ahel-Monte Carlo (MCMC)Bayesi meetodid↔ compare
- Particle Filter (Sequential Monte Carlo)Bayesi meetodid↔ compare
Sellele viitavad
Märkasid sellel lehel viga? Teata sellest või paku parandust →