Idősorozat szekvenciális Monte Carlo
Az idősorozat szekvenciális Monte Carlo (SMC), közismert nevén részecskeszűrő, egy Bayes-i szimulációs módszer, amely a dinamikus rendszerek rejtett állapotát követi nyomon, ahogy az észlelések egyenként érkeznek. Súlyozott véletlen minták – részecskék – felhője halad előre a rendszer dinamikáján keresztül, újrasúlyozva aszerint, hogy az egyes részecskék mennyire magyarázzák az új észlelést, és periodikusan újrasorsolva, hogy a reprezentáció a valószínű állapotokra koncentrálódjon.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
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 ↗
- 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). Sequential Monte Carlo Methods for Time Series. ScholarGate. https://scholargate.app/hu/bayesian/time-series-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-hálóBayes-statisztika↔ compare
- Gibbs-mintavételBayes-statisztika↔ compare
- Kalman-szűrőBayes-statisztika↔ compare
- A részecskeszűrő (szekvenciális Monte Carlo)Bayes-statisztika↔ compare
- Szekvenciális Monte CarloBayes-statisztika↔ compare
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →