Bayesian methodsBayesian / computational
계층적 파티클 필터
계층적 파티클 필터는 순차 몬테카를로 기법을 다층의 잠재 변수를 갖는 상태-공간 모델로 확장한 것입니다. 계층의 각 레벨에서 파티클을 전파함으로써, 방법론은 미세한 상태 동역학과 느리게 변하는 초모수(hyperparameter)를 동시에 추적할 수 있게 하여 모델의 모든 레벨에 걸쳐 보정된 사후 분포를 제공합니다.
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
- Briers, M., Doucet, A. & Maskell, S. (2010). Smoothing algorithms for state-space models. Annals of the Institute of Statistical Mathematics, 62(1), 61-89. DOI: 10.1007/s10463-009-0236-2 ↗
- Chopin, N., Jacob, P. E. & Papaspiliopoulos, O. (2013). SMC2: an efficient algorithm for sequential analysis of state-space models. Journal of the Royal Statistical Society: Series B, 75(3), 397-426. DOI: 10.1111/j.1467-9868.2012.01046.x ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Hierarchical Particle Filter. ScholarGate. https://scholargate.app/ko/bayesian/hierarchical-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.
- 계층적 베이즈 추론베이지안↔ compare
- 계층적 마르코프 연쇄 몬테카를로베이지안↔ compare
- 칼만 필터베이지안↔ compare
- 파티클 필터 (순차 몬테카를로)베이지안↔ compare
- 순차 몬테카를로 (Sequential Monte Carlo, SMC)베이지안↔ compare