Bayesian methodsBayesian / computational
동적 입자 필터
동적 입자 필터는 가중치를 부여한 무작위 표본 집단(입자)을 유지함으로써 시간에 따라 진화하는 숨겨진 상태를 추적하는 순차적 몬테카를로 알고리즘으로, 각 입자는 가능한 궤적을 나타냅니다. 새로운 관측값이 도착함에 따라, 입자 가중치는 우도(likelihood)를 통해 업데이트되고, 모집단은 재표본 추출되어 가장 확률적인 상태 영역에 표현이 집중되도록 합니다. 이는 완전히 비선형적이고 비가우시안적인 환경에서 이루어집니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- Doucet, A., de Freitas, N. & Gordon, N. (Eds.). (2001). Sequential Monte Carlo Methods in Practice. Springer. ISBN: 978-0387951461
- 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 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Dynamic Particle Filter for Sequential State Estimation. ScholarGate. https://scholargate.app/ko/bayesian/dynamic-particle-filter
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.
- 동적 베이즈 추론베이지안↔ compare
- 칼만 필터베이지안↔ compare
- 파티클 필터 (순차 몬테카를로)베이지안↔ compare
- 순차 몬테카를로 (Sequential Monte Carlo, SMC)베이지안↔ compare