Bayesian methodsBayesian / computational

فیلتر ذرات پویا

فیلتر ذرات پویا یک الگوریتم مونت کارلو ترتیبی است که حالت پنهان در حال تحول را در طول زمان با حفظ جمعیتی از نمونه‌های تصادفی وزن‌دار - ذرات - که هر کدام نمایانگر یک مسیر محتمل هستند، ردیابی می‌کند. با ورود مشاهدات جدید، وزن ذرات از طریق درست‌نمایی به‌روزرسانی می‌شوند و جمعیت دوباره نمونه‌برداری می‌شود و نمایش را بر روی محتمل‌ترین نواحی حالت در یک محیط کاملاً غیرخطی و غیرگاوسی متمرکز نگه می‌دارد.

باز کردن در MethodMindبه‌زودیویدیوبه‌زودیDownload slides

مطالعهٔ کامل روش

ویژهٔ اعضا

برای خواندن این بخش با حساب رایگان وارد شوید.

ورود

Method map

The neighbourhood of related methods — select a node to explore.

منابع

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

نحوهٔ استناد به این صفحه

ScholarGate. (2026, June 3). Dynamic Particle Filter for Sequential State Estimation. ScholarGate. https://scholargate.app/fa/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.

Compare side by side

ارجاع‌شده در

ScholarGateDynamic Particle Filter (Dynamic Particle Filter for Sequential State Estimation). بازیابی‌شده در 2026-06-15 از https://scholargate.app/fa/bayesian/dynamic-particle-filter · مجموعه‌داده: https://doi.org/10.5281/zenodo.20539026