Bayesian methodsBayesian / computational

動的粒子フィルタ

動的粒子フィルタは、重み付けされたランダムサンプル(粒子)の集団を維持することにより、時間とともに進化する隠れ状態を追跡する逐次モンテカルロアルゴリズムです。各粒子は、もっともらしい軌跡を表します。新しい観測が到着すると、尤度を介して粒子の重みが更新され、集団が再サンプリングされ、完全に非線形かつ非ガウスの状況下で、表現が最も確率の高い状態領域に集中するように保たれます。

MethodMindで開く近日公開動画近日公開Download slides

手法の全文を読む

会員限定

無料アカウントでログインすると、このセクションを読めます。

ログイン

Method map

The neighbourhood of related methods — select a node to explore.

出典

  1. Doucet, A., de Freitas, N. & Gordon, N. (Eds.). (2001). Sequential Monte Carlo Methods in Practice. Springer. ISBN: 978-0387951461
  2. 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

このページの引用方法

ScholarGate. (2026, June 3). Dynamic Particle Filter for Sequential State Estimation. ScholarGate. https://scholargate.app/ja/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.

Compare side by side

この手法を参照する項目

ScholarGateDynamic Particle Filter (Dynamic Particle Filter for Sequential State Estimation). 2026-06-15に以下より取得 https://scholargate.app/ja/bayesian/dynamic-particle-filter · データセット: https://doi.org/10.5281/zenodo.20539026