Dynamic Sequential Monte Carlo
Dynamic Sequential Monte Carlo (Dynamic SMC) è un metodo computazionale Bayesiano che mantiene e aggiorna una popolazione di campioni pesati — particelle — all'arrivo di nuove osservazioni nel tempo. Propaga le particelle attraverso un modello di sistema dinamico, le rivaluta in base a quanto bene corrispondono ai dati osservati e periodicamente ricampiona per concentrare lo sforzo sulle regioni ad alta probabilità, producendo inferenza a posteriori online per modelli state-space ed evolutivi nel tempo.
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
- 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 ↗
- Doucet, A., de Freitas, N. & Gordon, N. (Eds.) (2001). Sequential Monte Carlo Methods in Practice. Springer. ISBN: 978-0387951461
Come citare questa pagina
ScholarGate. (2026, June 3). Dynamic Sequential Monte Carlo Sampler. ScholarGate. https://scholargate.app/it/bayesian/dynamic-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.
- Inferenza Bayesiana DinamicaBayesiano↔ compare
- Gibbs SamplingBayesiano↔ compare
- Hamiltonian Monte CarloBayesiano↔ 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 →