Filtre particulaire dynamique
Un filtre particulaire dynamique est un algorithme de Monte Carlo séquentiel qui suit un état caché évoluant au fil du temps en maintenant une population d'échantillons aléatoires pondérés — des particules — chacun représentant une trajectoire plausible. À mesure que de nouvelles observations arrivent, les poids des particules sont mis à jour via la vraisemblance et la population est rééchantillonnée, maintenant la représentation concentrée sur les régions d'état les plus probables dans un cadre entièrement non linéaire et non gaussien.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- Doucet, A., de Freitas, N. & Gordon, N. (Eds.). (2001). Sequential Monte Carlo Methods in Practice. Springer. ISBN: 978-0387951461
- 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 ↗
Comment citer cette page
ScholarGate. (2026, June 3). Dynamic Particle Filter for Sequential State Estimation. ScholarGate. https://scholargate.app/fr/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.
- Inférence bayésienne dynamiqueBayésien↔ compare
- Filtre de KalmanBayésien↔ compare
- Filtre particulaire (Monte Carlo séquentiel)Bayésien↔ compare
- Monte Carlo séquentielBayésien↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →