Vremensko-sekvencijalni Monte Carlo
Vremensko-sekvencijalni Monte Carlo (SMC), uobičajeno nazvan Particle Filter, je Bayesovska metoda simulacije koja prati skriveno stanje dinamičkog sustava kako pristižu opažanja jedno po jedno. Oblak ponderiranih slučajnih uzoraka — čestica — propagira se kroz dinamiku sustava, ponovno ponderira prema tome koliko dobro svaka čestica objašnjava novo opažanje, te se periodično ponovno uzorkuje kako bi se reprezentacija koncentrirala na vjerojatna stanja.
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). Sequential Monte Carlo Methods for Time Series. ScholarGate. https://scholargate.app/hr/bayesian/time-series-sequential-monte-carlo
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
- Gibbs uzorkovanjeBayesovska statistika↔ usporedi
- Kalmanov filtarBayesovska statistika↔ usporedi
- Particle Filter (Sequential Monte Carlo)Bayesovska statistika↔ usporedi
- Sekvencijalno Monte CarloBayesovska statistika↔ usporedi
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →