Dinamikus részecskeszűrő
A dinamikus részecskeszűrő egy szekvenciális Monte Carlo algoritmus, amely az időbeli fejlődő rejtett állapotot követi nyomon súlyozott véletlen minták – részecskék – populációjának fenntartásával, ahol minden részecske egy lehetséges trajektóriát képvisel. Ahogy új megfigyelések érkeznek, a részecskék súlyait az eloszlásfüggvény (likelihood) alapján frissítik, és a populációt újra mintavételezik, így a reprezentáció a legvalószínűbb állapotrégiókra koncentrálódik, teljesen nemlineáris és nem-Gauss-i környezetben.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Dynamic Particle Filter for Sequential State Estimation. ScholarGate. https://scholargate.app/hu/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.
- Dinamikus Bayes-i következtetésBayes-statisztika↔ compare
- Kalman-szűrőBayes-statisztika↔ compare
- A részecskeszűrő (szekvenciális Monte Carlo)Bayes-statisztika↔ compare
- Szekvenciális Monte CarloBayes-statisztika↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →