Aikasarjojen sekventiaalinen Monte Carlo -simulointi
Aikasarjojen sekventiaalinen Monte Carlo (SMC), jota kutsutaan yleisesti hiukkassuodattimeksi, on Bayesiläinen simulointimenetelmä, joka seuraa dynaamisen järjestelmän piilevää tilaa havaintojen saapuessa yksitellen. Painotettujen satunnaisotosten pilveä – hiukkasia – edistetään järjestelmän dynamiikan läpi, uudelleenkannustetaan sen perusteella, kuinka hyvin kukin hiukkanen selittää uuden havainnon, ja ajoittain uudelleennäytteistetään, jotta esitys pysyisi keskittyneenä uskottaviin tiloihin.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Menetelmäkartta
Lähimenetelmien naapurusto — valitse solmu tutkiaksesi.
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 ↗
- Doucet, A., de Freitas, N., & Gordon, N. (Eds.). (2001). Sequential Monte Carlo Methods in Practice. Springer. ISBN: 978-0387951461
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Sequential Monte Carlo Methods for Time Series. ScholarGate. https://scholargate.app/fi/bayesian/time-series-sequential-monte-carlo
Mikä menetelmä?
Aseta tämä menetelmä lähimpien sukulaistensa rinnalle ja lue niitä yhdessä — kirjasto asettaa teokset pöydälle; valinta on sinun.
- Dynaaminen Bayesilainen VerkkoBayesilainen tilastotiede↔ vertaa
- Gibbs-otantaBayesilainen tilastotiede↔ vertaa
- Kalman-suodinBayesilainen tilastotiede↔ vertaa
- Partikkelisuodin (sekventiaalinen Monte Carlo)Bayesilainen tilastotiede↔ vertaa
- Sekventiaalinen Monte CarloBayesilainen tilastotiede↔ vertaa
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →