Hierarchical Particle Filter
A hierarchical particle filter extends Sequential Monte Carlo to state-space models with multiple levels of latent variables. Particles are propagated at each level of the hierarchy, allowing the method to track both fine-grained state dynamics and slower-varying hyperparameters simultaneously, yielding calibrated posterior distributions across all levels of the model.
Catatan sumber
Kutipan disalin apa adanya dari catatan sumber metode. Tidak ada verifikasi tingkat klaim yang disimpulkan darinya.
- Briers, M., Doucet, A. & Maskell, S. (2010). Smoothing algorithms for state-space models. Annals of the Institute of Statistical Mathematics, 62(1), 61-89. · DOI 10.1007/s10463-009-0236-2
- Chopin, N., Jacob, P. E. & Papaspiliopoulos, O. (2013). SMC2: an efficient algorithm for sequential analysis of state-space models. Journal of the Royal Statistical Society: Series B, 75(3), 397-426. · DOI 10.1111/j.1467-9868.2012.01046.x
Klaim yang dikurasi
Klaim tersimpan dalam buku besar bukti, masing-masing dengan penilaiannya sendiri.
Tampilan ini tidak menciptakan penilaian klaim ketika buku besar tidak memilikinya.
Metode terkait
Dihasilkan dari grafik metode dan ditampilkan sebagai relasi yang disarankan mesin — tidak ada klaim bukti yang disimpulkan.