Bayesian methodsBayesian / computational
動的逐次モンテカルロ法
動的逐次モンテカルロ法(Dynamic SMC)は、新しい観測が時間とともに到着するにつれて、重み付けされたサンプル(粒子)の集団を維持・更新するベイズ計算手法である。粒子を動的システムモデルを通じて伝播させ、観測データとの適合度に応じて重み付けを更新し、確率の高い領域に計算資源を集中させるために定期的に再サンプリングを行うことで、状態空間モデルや時間発展モデルに対するオンライン事後推論を実現する。
手法の全文を読む
会員限定
ログイン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。
Method map
The neighbourhood of related methods — select a node to explore.
出典
- 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
このページの引用方法
ScholarGate. (2026, June 3). Dynamic Sequential Monte Carlo Sampler. ScholarGate. https://scholargate.app/ja/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.
- 動的ベイズ推論ベイズ↔ compare
- Gibbs Samplingベイズ↔ compare
- ハミルトニアンモンテカルロベイズ↔ compare
- カルマンフィルターベイズ↔ compare
- パーティクルフィルタ(逐次モンテカルロ法)ベイズ↔ compare
- 逐次モンテカルロ法ベイズ↔ compare