Szekvenciális Monte Carlo mérési hibával
A mérési hibával kiegészített szekvenciális Monte Carlo (SMC) egy részecskealapú Bayes-féle szűrőmódszer dinamikus rendszerek rejtett állapotainak nyomon követésére, amikor a megfigyeléseket zaj torzítja. Súlyozott részecskefelhőt terjeszt előre az időben, minden lépésben frissítve a súlyokat, hogy tükrözze, mennyire magyarázza az egyes részecskék a zajos mérést, és minden időpontban teljes poszterior eloszlást eredményez a látens állapotra vonatkozóan.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Módszertérkép
A rokon módszerek környezete — válasszon ki egy csomópontot a felfedezéshez.
Források
- Doucet, A., de Freitas, N., & Gordon, N. (Eds.). (2001). Sequential Monte Carlo Methods in Practice. Springer New York. ISBN: 978-0-387-95146-1
- Cappe, O., Godsill, S. J., & Moulines, E. (2007). An overview of existing methods and recent advances in sequential Monte Carlo. Proceedings of the IEEE, 95(5), 899-924. DOI: 10.1109/JPROC.2007.893250 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Sequential Monte Carlo with Measurement Error. ScholarGate. https://scholargate.app/hu/bayesian/sequential-monte-carlo-with-measurement-error
Melyik módszer?
Állítsa e módszert a hozzá legközelebb álló rokonai mellé, és olvassa őket egymás mellett — a könyvtár az asztalra teszi a könyveket; a választás az Öné.
- Bayesiánus következtetés mérési hibávalBayes-statisztika↔ összehasonlítás
- Dinamikus Bayes-i következtetésBayes-statisztika↔ összehasonlítás
- Kalman Filter with Measurement ErrorBayes-statisztika↔ összehasonlítás
- Markov Chain Monte Carlo (MCMC)Szimuláció↔ összehasonlítás
- A részecskeszűrő (szekvenciális Monte Carlo)Bayes-statisztika↔ összehasonlítás
- Szekvenciális Monte CarloBayes-statisztika↔ összehasonlítás
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →