Dinamikus szekvenciális Monte Carlo módszer
A dinamikus szekvenciális Monte Carlo (Dinamikus SMC) egy Bayes-i számítási módszer, amely súlyozott minták – részecskék – egy populációját tartja karban és frissíti az idő múlásával érkező új megfigyelésekkel. A részecskéket egy dinamikus rendszermodellben propagálja, súlyozza őket aszerint, hogy mennyire illeszkednek a megfigyelt adatokhoz, és időszakosan újra mintát vesz, hogy az erőfeszítéseket a magas valószínűségű régiókra összpontosítsa, így online posterior következtetést biztosít állapot-térbeli és időben fejlődő modellekhez.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- 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 ↗
- Doucet, A., de Freitas, N. & Gordon, N. (Eds.) (2001). Sequential Monte Carlo Methods in Practice. Springer. ISBN: 978-0387951461
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Dynamic Sequential Monte Carlo Sampler. ScholarGate. https://scholargate.app/hu/bayesian/dynamic-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.
- Dinamikus Bayes-i következtetésBayes-statisztika↔ compare
- Gibbs-mintavételBayes-statisztika↔ compare
- Hamiltonian Monte CarloBayes-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 →