लुप्त डेटा के साथ कण फ़िल्टर (Particle Filter with Missing Data)
एक कण फ़िल्टर जिसे उन अवस्था-अंतरिक्ष मॉडलों के लिए अनुकूलित किया गया है जिनमें कुछ अवलोकन अनुपस्थित होते हैं। यह एल्गोरिथम भारित यादृच्छिक नमूनों (कणों) के एक समूह का उपयोग करके समय के साथ एक छिपी हुई अवस्था को ट्रैक करता है; जब किसी समय चरण में कोई प्रेक्षित मान नहीं होता है, तो भार-अद्यतन चरण को बस छोड़ दिया जाता है, जिससे कण तब तक केवल संक्रमण मॉडल का उपयोग करके आगे बढ़ते हैं जब तक कि नया डेटा नहीं आ जाता।
पूरी विधि पढ़ें
यह खंड पढ़ने के लिए निःशुल्क खाते से साइन इन करें।
Method map
The neighbourhood of related methods — select a node to explore.
स्रोत
- Doucet, A., de Freitas, N. & Gordon, N. J. (Eds.) (2001). Sequential Monte Carlo Methods in Practice. Springer, New York. ISBN: 978-0387951461
- Doucet, A., Godsill, S. & Andrieu, C. (2000). On sequential Monte Carlo sampling methods for Bayesian filtering. Statistics and Computing, 10(3), 197-208. DOI: 10.1023/A:1008935410038 ↗
इस पृष्ठ का उद्धरण कैसे दें
ScholarGate. (2026, June 3). Sequential Monte Carlo Particle Filter for State-Space Models with Missing Observations. ScholarGate. https://scholargate.app/hi/bayesian/particle-filter-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.
- लापता डेटा के साथ बायेसियन अनुमानबायेसियन↔ compare
- डायनामिक पार्टिकल फिल्टरबायेसियन↔ compare
- कलमान फ़िल्टर (Kalman Filter) विथ मिसिंग डेटाबायेसियन↔ compare
- MCMC (मिसिंग डेटा के साथ)बायेसियन↔ compare
- कण फ़िल्टर (अनुक्रमिक मोंटे कार्लो)बायेसियन↔ compare
- सीक्वेंशियल मोंटे कार्लोबायेसियन↔ compare