Szekvenciális Monte Carlo
A szekvenciális Monte Carlo (SMC) algoritmusok egy olyan családja, amely szimulációalapú megközelítéssel közelíti az evolválódó valószínűségi eloszlásokat, részecskéknek nevezett súlyozott véletlen mintavételek egy felhőjének propagálásával és újrasúlyozásával. Kezeli a nemlineáris, nem-Gauss-i modelleket és az adatfolyamokat, így valós idejű állapotbecsléshez és komplex eloszlások posterior közelítéséhez ideális módszer.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
+41 more
Források
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Sequential Monte Carlo Methods. ScholarGate. https://scholargate.app/hu/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 ComputationSzimuláció↔ compare
- Gibbs-mintavételBayes-statisztika↔ compare
- Hamiltonian Monte CarloBayes-statisztika↔ compare
- Kalman-szűrőBayes-statisztika↔ compare
- Markov-lánc Monte Carlo (MCMC)Bayes-statisztika↔ compare
- A részecskeszűrő (szekvenciális Monte Carlo)Bayes-statisztika↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →