Bayesian methodsBayesian / computational
欠損データを持つパーティクルフィルタ
観測値の一部が欠損している状態空間モデルに適応されたパーティクルフィルタ。このアルゴリズムは、重み付けされたランダムサンプルの集合（パーティクル）を用いて時間経過とともに隠れ状態を追跡する。観測値が存在しないタイムステップでは、重み更新ステップを単純にスキップするため、パーティクルは新しいデータが到着するまで遷移モデルのみを使用して前方へ伝播する。
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
- Doucet, A., de Freitas, N. & Gordon, N. J. (Eds.) (2001). Sequential Monte Carlo Methods in Practice. Springer, New York. ISBN: 978-0387951461
- Doucet, A., Godsill, S. & Andrieu, C. (2000). On sequential Monte Carlo sampling methods for Bayesian filtering. Statistics and Computing, 10(3), 197-208. DOI: 10.1023/A:1008935410038 ↗
このページの引用方法
ScholarGate. (2026, June 3). Sequential Monte Carlo Particle Filter for State-Space Models with Missing Observations. ScholarGate. https://scholargate.app/ja/bayesian/particle-filter-with-missing-data
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.
- 欠損値を含むベイズ推論ベイズ↔ compare
- 動的粒子フィルタベイズ↔ compare
- 欠損データを含むカルマンフィルタベイズ↔ compare
- 欠損値を含むMCMC (MCMC with missing data)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