Bayesian methodsBayesian / computational

فیلتر ذره سلسله‌مراتبی

یک فیلتر ذره سلسله‌مراتبی، مونت‌کارلو متوالی (Sequential Monte Carlo) را به مدل‌های فضای حالت با سطوح متعددی از متغیرهای پنهان تعمیم می‌دهد. ذرات در هر سطح از سلسله‌مراتب منتشر می‌شوند و به روش اجازه می‌دهند تا همزمان پویایی‌های حالت با جزئیات دقیق و ابرپارامترهای با تغییر آهسته‌تر را ردیابی کند و توزیع‌های پسینِ کالیبره شده را در تمام سطوح مدل ارائه دهد.

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. Briers, M., Doucet, A. & Maskell, S. (2010). Smoothing algorithms for state-space models. Annals of the Institute of Statistical Mathematics, 62(1), 61-89. DOI: 10.1007/s10463-009-0236-2
  2. Chopin, N., Jacob, P. E. & Papaspiliopoulos, O. (2013). SMC2: an efficient algorithm for sequential analysis of state-space models. Journal of the Royal Statistical Society: Series B, 75(3), 397-426. DOI: 10.1111/j.1467-9868.2012.01046.x

نحوهٔ استناد به این صفحه

ScholarGate. (2026, June 3). Hierarchical Particle Filter. ScholarGate. https://scholargate.app/fa/bayesian/hierarchical-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
ScholarGateHierarchical Particle Filter (Hierarchical Particle Filter). بازیابی‌شده در 2026-06-15 از https://scholargate.app/fa/bayesian/hierarchical-particle-filter · مجموعه‌داده: https://doi.org/10.5281/zenodo.20539026