Sekvencijalno Monte Carlo
Sekvencijalno Monte Carlo (SMC) je obitelj algoritama utemeljenih na simulaciji koji aproksimiraju evoluirajuće raspodjele vjerojatnosti propagiranjem i ponovnim ponderiranjem oblaka ponderiranih slučajnih uzoraka nazvanih čestice. Prirodno obrađuje nelinearne, negauzijanske modele i nizove podataka, što ga čini metodom izbora za procjenu stanja u stvarnom vremenu i aproksimaciju posteriora preko složenih raspodjela.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Method map
The neighbourhood of related methods — select a node to explore.
+41 more
Izvori
- 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 ↗
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Sequential Monte Carlo Methods. ScholarGate. https://scholargate.app/hr/bayesian/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.
- Approximate Bayesian ComputationSimulacija↔ compare
- Gibbs uzorkovanjeBayesovska statistika↔ compare
- Hamiltonian Monte CarloBayesovska statistika↔ compare
- Kalmanov filtarBayesovska statistika↔ compare
- Markovova lančana Monte Carlo (MCMC)Bayesovska statistika↔ compare
- Particle Filter (Sequential Monte Carlo)Bayesovska statistika↔ compare
Citirana u
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →