Filtro particellare per serie temporali
Il filtro particellare per serie temporali è un metodo Monte Carlo Sequenziale che traccia lo stato nascosto di un modello spazio-stato non lineare e non gaussiano man mano che nuove osservazioni arrivano una alla volta. Esso rappresenta la distribuzione a posteriori evolutiva sullo stato latente come una nuvola pesata di campioni casuali (particelle), aggiornandoli ad ogni passo temporale tramite propagazione, ponderazione della verosimiglianza e ricampionamento.
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
- 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
Come citare questa pagina
ScholarGate. (2026, June 3). Time Series Particle Filter (Sequential Monte Carlo for State-Space Models). ScholarGate. https://scholargate.app/it/bayesian/time-series-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.
- Reti Bayesiane DinamicheBayesiano↔ compare
- Filtro di KalmanBayesiano↔ compare
- Filtro a particelle (Monte Carlo Sequenziale)Bayesiano↔ compare
- Monte Carlo SequenzialeBayesiano↔ compare
- Inferenza Bayesiana su Serie StoricheBayesiano↔ compare
- Filtro di Kalman per Serie StoricheBayesiano↔ compare
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →