Bayesian methodsBayesian / computational
測定誤差を伴う逐次モンテカルロ法
測定誤差を伴う逐次モンテカルロ法（SMC）は、観測値がノイズによって汚染されている場合の動的システムにおける隠れ状態を追跡するための粒子ベースのベイズフィルタリング手法である。これは、時間の経過とともに重み付けされた粒子のクラウドを伝播させ、各ステップで重みを更新して、各粒子がノイズの多い測定値をどれだけうまく説明できるかを反映させ、各時点での潜在状態に対する完全な事後分布を生成する。
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。
手法マップ
関連する手法の近傍 — ノードを選択して探索できます。
出典
- Doucet, A., de Freitas, N., & Gordon, N. (Eds.). (2001). Sequential Monte Carlo Methods in Practice. Springer New York. ISBN: 978-0-387-95146-1
- Cappe, O., Godsill, S. J., & Moulines, E. (2007). An overview of existing methods and recent advances in sequential Monte Carlo. Proceedings of the IEEE, 95(5), 899-924. DOI: 10.1109/JPROC.2007.893250 ↗
このページの引用方法
ScholarGate. (2026, June 3). Sequential Monte Carlo with Measurement Error. ScholarGate. https://scholargate.app/ja/bayesian/sequential-monte-carlo-with-measurement-error
どの手法を選ぶ？
この手法を最も近い類縁の手法と並べ、両者を見比べてください — ライブラリは本を机の上に並べるだけ。選ぶのはあなたです。
- 測定誤差を伴うベイズ推論ベイズ↔ 比較
- 動的ベイズ推論ベイズ↔ 比較
- カルマンフィルタ（測定誤差あり）ベイズ↔ 比較
- マルコフ連鎖モンテカルロ法（MCMC）シミュレーション↔ 比較
- パーティクルフィルタ（逐次モンテカルロ法）ベイズ↔ 比較
- 逐次モンテカルロ法ベイズ↔ 比較