Bayesian methodsBayesian / computational
時系列パーティクルフィルタ
時系列パーティクルフィルタは、逐次モンテカルロ法の一種であり、新しい観測値が逐次的に到着するにつれて、非線形・非ガウス状態空間モデルの隠れ状態を追跡する。これは、潜在状態に対する事後分布を、重み付けされたランダムサンプル（パーティクル）のクラウドとして表現し、伝播、尤度重み付け、リサンプリングを通じて各タイムステップで更新する。
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
- 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
このページの引用方法
ScholarGate. (2026, June 3). Time Series Particle Filter (Sequential Monte Carlo for State-Space Models). ScholarGate. https://scholargate.app/ja/bayesian/time-series-particle-filter
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。
- 動的ベイジアンネットワークベイズ↔ 比較
- カルマンフィルターベイズ↔ 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
- 時系列ベイズ推論ベイズ↔ 比較
- 時系列カルマンフィルタベイズ↔ 比較