Dinamički filtar čestica
Dinamički filtar čestica je sekvencijalni Monte Carlo algoritam koji prati skriveno stanje koje se razvija tijekom vremena održavanjem populacije ponderiranih slučajnih uzoraka — čestica — od kojih svaka predstavlja vjerojatnu putanju. Kako pristižu nove opservacije, ponderi čestica se ažuriraju putem vjerojatnosti, a populacija se ponovno uzorkuje, zadržavajući reprezentaciju koncentriranu na najvjerojatnije regije stanja u potpuno nelinearnom i negauzijanskom okruženju.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Dynamic Particle Filter for Sequential State Estimation. ScholarGate. https://scholargate.app/hr/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.
- Dinamičko Bayesijansko zaključivanjeBayesovska statistika↔ compare
- Kalmanov filtarBayesovska statistika↔ compare
- Particle Filter (Sequential Monte Carlo)Bayesovska statistika↔ compare
- Sekvencijalno Monte CarloBayesovska statistika↔ compare
Citirana u
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →