Dynamic Sequential Monte Carlo
Le Dynamic Sequential Monte Carlo (Dynamic SMC) est une méthode computationnelle bayésienne qui maintient et met à jour une population d'échantillons pondérés — des particules — à mesure que de nouvelles observations arrivent au fil du temps. Il propage les particules à travers un modèle de système dynamique, les repondère en fonction de leur adéquation aux données observées, et rééchantillonne périodiquement pour concentrer l'effort sur les régions à forte probabilité, produisant ainsi une inférence a posteriori en ligne pour les modèles d'espace d'états et évolutifs dans le temps.
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
- 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 ↗
- Doucet, A., de Freitas, N. & Gordon, N. (Eds.) (2001). Sequential Monte Carlo Methods in Practice. Springer. ISBN: 978-0387951461
Comment citer cette page
ScholarGate. (2026, June 3). Dynamic Sequential Monte Carlo Sampler. ScholarGate. https://scholargate.app/fr/bayesian/dynamic-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.
- Inférence bayésienne dynamiqueBayésien↔ compare
- Échantillonnage de GibbsBayésien↔ compare
- Monte Carlo HamiltonienBayésien↔ 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 →