Čestični filtar za vremenske serije
Čestični filtar za vremenske serije je sekvencijalna Monte Carlo metoda koja prati skriveno stanje nelinearnog, ne-Gaussovog modela prostora stanja kako nove opservacije pristižu jedna po jedna. On predstavlja evoluirajuću posteriornu distribuciju nad latentnim stanjem kao ponderirani oblak slučajnih uzoraka (čestica), ažurirajući ih u svakom vremenskom koraku kroz propagaciju, ponderiranje vjerojatnosti i ponovno uzorkovanje.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Karta metoda
Okruženje srodnih metoda — odaberite čvor za istraživanje.
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 ↗
- Doucet, A., de Freitas, N., & Gordon, N. (Eds.). (2001). Sequential Monte Carlo Methods in Practice. Springer. ISBN: 978-0387951461
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Time Series Particle Filter (Sequential Monte Carlo for State-Space Models). ScholarGate. https://scholargate.app/hr/bayesian/time-series-particle-filter
Koja metoda?
Postavite ovu metodu uz njoj najsrodnije i pročitajte ih jednu uz drugu — knjižnica vam knjige stavlja na stol; izbor je na vama.
- Dinamička Bayesova mrežaBayesovska statistika↔ usporedi
- Kalmanov filtarBayesovska statistika↔ usporedi
- Particle Filter (Sequential Monte Carlo)Bayesovska statistika↔ usporedi
- Sekvencijalno Monte CarloBayesovska statistika↔ usporedi
- Vremensko Bayesijansko zaključivanjeBayesovska statistika↔ usporedi
- Vremenski Kalmanov filtarBayesovska statistika↔ usporedi
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →