Filtro a particelle (Monte Carlo Sequenziale)
Il filtro a particelle, introdotto da Gordon, Salmond e Smith nel 1993, è un algoritmo Monte Carlo sequenziale che approssima la distribuzione di filtraggio Bayesiano per modelli spazio-temporali non lineari e non Gaussiani. Invece di tracciare una singola stima ottimale, mantiene una nuvola di N campioni casuali pesati — particelle — che rappresentano collettivamente la distribuzione a posteriori completa di uno stato nascosto in ogni istante di tempo man mano che arrivano nuove osservazioni.
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.
+25 more
Fonti
- 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., Godsill, S. J., & Andrieu, C. (2000). On sequential Monte Carlo sampling methods for Bayesian filtering. Statistics and Computing, 10(3), 197–208. DOI: 10.1023/A:1008935410038 ↗
- Doucet, A., de Freitas, N., & Gordon, N. (Eds.). (2001). Sequential Monte Carlo Methods in Practice. Springer-Verlag. ISBN: 978-0-387-95146-1
Come citare questa pagina
ScholarGate. (2026, June 3). Particle Filter (Sequential Monte Carlo). ScholarGate. https://scholargate.app/it/bayesian/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.
- Regressione BayesianaBayesiano↔ compare
- Filtro di KalmanBayesiano↔ compare
- Catena di Markov Monte Carlo (MCMC)Bayesiano↔ compare
- Modello a Spazio di Stati (Filtro di Kalman)Econometria↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →