Aegridade järjestikune Monte Carlo meetod
Aegridade järjestikune Monte Carlo (SMC), mida tavaliselt nimetatakse osakestefilniks, on Bayesi simulatsioonimeetod, mis jälgib dünaamilise süsteemi peidetud olekut, kui vaatlused saabuvad ükshaaval. Kaalutud juhuslike valimite – osakeste – pilv levib läbi süsteemi dünaamika, kaalutakse uuesti, kui hästi iga osake uut vaatlust selgitab, ja perioodiliselt proovitakse uuesti, et hoida esitust kontsentreerituna tõenäolistele olekutele.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Method map
The neighbourhood of related methods — select a node to explore.
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 ↗
- Doucet, A., de Freitas, N., & Gordon, N. (Eds.). (2001). Sequential Monte Carlo Methods in Practice. Springer. ISBN: 978-0387951461
Kuidas sellele lehele viidata
ScholarGate. (2026, June 3). Sequential Monte Carlo Methods for Time Series. ScholarGate. https://scholargate.app/et/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.
- Dünaamiline BayesivõrkBayesi meetodid↔ compare
- Gibbs SamplingBayesi meetodid↔ compare
- Kalmani filterBayesi meetodid↔ compare
- Particle Filter (Sequential Monte Carlo)Bayesi meetodid↔ compare
- Jadaline Monte CarloBayesi meetodid↔ compare
Märkasid sellel lehel viga? Teata sellest või paku parandust →