Sekventiaalinen Monte Carlo
Sekventiaalinen Monte Carlo (SMC) on joukko simulaatiopohjaisia algoritmeja, jotka approksimoivat kehittyviä todennäköisyysjakaumia välittämällä ja painottamalla uudelleen painotettujen satunnaisten piirrosten joukkoa, joita kutsutaan hiukkasiksi. Se käsittelee epälineaarisia, ei-Gaussisia malleja ja datavirtoja luonnollisesti, mikä tekee siitä ensisijaisen menetelmän reaaliaikaiseen tilan estimointiin ja posteriorijakauman approksimointiin monimutkaisissa jakaumissa.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
+41 more
Lähteet
- 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 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Sequential Monte Carlo Methods. ScholarGate. https://scholargate.app/fi/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.
- Approksimatiivinen Bayesilainen LaskentaSimulointi↔ compare
- Gibbs-otantaBayesilainen tilastotiede↔ compare
- Hamiltonin Monte CarloBayesilainen tilastotiede↔ compare
- Kalman-suodinBayesilainen tilastotiede↔ compare
- Markov-ketju-Monte Carlo (MCMC)Bayesilainen tilastotiede↔ compare
- Partikkelisuodin (sekventiaalinen Monte Carlo)Bayesilainen tilastotiede↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →