Filtro particellare dinamico
Un filtro particellare dinamico è un algoritmo Monte Carlo sequenziale che traccia uno stato nascosto in evoluzione nel tempo mantenendo una popolazione di campioni casuali pesati — particelle — ciascuno rappresentante una traiettoria plausibile. Man mano che arrivano nuove osservazioni, i pesi delle particelle vengono aggiornati tramite la verosimiglianza e la popolazione viene ricampionata, mantenendo la rappresentazione concentrata sulle regioni di stato più probabili in un contesto completamente non lineare e non Gaussiano.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- Doucet, A., de Freitas, N. & Gordon, N. (Eds.). (2001). Sequential Monte Carlo Methods in Practice. Springer. ISBN: 978-0387951461
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Dynamic Particle Filter for Sequential State Estimation. ScholarGate. https://scholargate.app/it/bayesian/dynamic-particle-filter
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.
- Inferenza Bayesiana DinamicaBayesiano↔ compare
- Filtro di KalmanBayesiano↔ compare
- Filtro a particelle (Monte Carlo Sequenziale)Bayesiano↔ compare
- Monte Carlo SequenzialeBayesiano↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →