Bayesian methodsBayesian / computational
時系列逐次モンテカルロ法
時系列逐次モンテカルロ法(SMC)は、一般にパーティクルフィルタと呼ばれるもので、観測値が逐次的に到着するにつれて、動的システムの隠れ状態を追跡するベイズ的シミュレーション手法である。重み付けされたランダムサンプル(パーティクル)の集団が、システムダイナミクスを通じて前方へ伝播され、各パーティクルが新しい観測値をどれだけうまく説明できるかに応じて重み付けされ、表現を妥当な状態に集中させるために周期的にリサンプリングされる。
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). Sequential Monte Carlo Methods for Time Series. ScholarGate. https://scholargate.app/ja/bayesian/time-series-sequential-monte-carlo
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
- Gibbs Sampling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