Hijerarhijski filtar čestica
Hijerarhijski filtar čestica proširuje sekvencijalno Monte Carlo na modele sa stanjima s više razina latentnih varijabli. Čestice se propagiraju na svakoj razini hijerarhije, omogućujući metodi da istovremeno prati i detaljnu dinamiku stanja i sporije promjenjive hiperparametre, dajući kalibrirane posteriorne distribucije na svim razinama modela.
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
- Briers, M., Doucet, A. & Maskell, S. (2010). Smoothing algorithms for state-space models. Annals of the Institute of Statistical Mathematics, 62(1), 61-89. DOI: 10.1007/s10463-009-0236-2 ↗
- Chopin, N., Jacob, P. E. & Papaspiliopoulos, O. (2013). SMC2: an efficient algorithm for sequential analysis of state-space models. Journal of the Royal Statistical Society: Series B, 75(3), 397-426. DOI: 10.1111/j.1467-9868.2012.01046.x ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Hierarchical Particle Filter. ScholarGate. https://scholargate.app/hr/bayesian/hierarchical-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.
- Hijerarhijsko Bayesovo zaključivanjeBayesovska statistika↔ compare
- Hijerarhijsko Markovljevo pokretanje uzoraka Monte CarloBayesovska statistika↔ compare
- Kalmanov filtarBayesovska statistika↔ compare
- Particle Filter (Sequential Monte Carlo)Bayesovska statistika↔ compare
- Sekvencijalno Monte CarloBayesovska statistika↔ compare
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →