Sekventiaalinen Monte Carlo puuttuvilla tiedoilla
Sekventiaalinen Monte Carlo (SMC) puuttuvilla tiedoilla laajentaa standardia hiukkassuodatinta tila-avaruusmalleihin, joissa joitakin havaintoja puuttuu. Kun havainto puuttuu tietyssä aika-askeleessa, päivitysvaihe yksinkertaisesti ohitetaan: hiukkaset propagoidaan eteenpäin siirtymämallin kautta ilman uudelleenpainotusta, säilyttäen tarkan Bayesilaisen päättelyn minkä tahansa puuttuvien tietojen kuvion alla, kunhan puuttuminen on ignoroitavissa (satunnaisesti puuttuvaa tai täysin satunnaisesti puuttuvaa).
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- Doucet, A., de Freitas, N., & Gordon, N. (Eds.) (2001). Sequential Monte Carlo Methods in Practice. Springer, New York. ISBN: 978-0387951461
- Chopin, N., & Papaspiliopoulos, O. (2020). An Introduction to Sequential Monte Carlo. Springer, Cham. DOI: 10.1007/978-3-030-47845-2 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Sequential Monte Carlo with Missing Data. ScholarGate. https://scholargate.app/fi/bayesian/sequential-monte-carlo-with-missing-data
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.
- Bayesiläinen päättely puuttuvalla datallaBayesilainen tilastotiede↔ compare
- Dynaaminen sekventiaalinen Monte CarloBayesilainen tilastotiede↔ compare
- Gibbs-otanta puuttuvalla datallaBayesilainen tilastotiede↔ compare
- Kalman-suodin puuttuvilla tiedoillaBayesilainen tilastotiede↔ compare
- Partikkelisuodin (sekventiaalinen Monte Carlo)Bayesilainen tilastotiede↔ compare
- Sekventiaalinen Monte CarloBayesilainen tilastotiede↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →