Bayesian methodsBayesian / computational
측정 오차를 동반한 순차 몬테카를로 (Sequential Monte Carlo with Measurement Error)
측정 오차를 동반한 순차 몬테카를로(SMC)는 관측값이 노이즈로 인해 손상되었을 때 동적 시스템의 숨겨진 상태를 추적하기 위한 입자 기반 베이즈 필터링 방법입니다. 이 방법은 시간 경과에 따라 가중치가 부여된 입자 구름을 전파하며, 각 단계에서 가중치를 업데이트하여 각 입자가 노이즈가 있는 측정값을 얼마나 잘 설명하는지를 반영하고, 모든 시점에서의 잠재 상태에 대한 전체 사후 분포를 생성합니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
방법 지도
관련 방법들로 이루어진 인접 영역 — 노드를 선택해 살펴보세요.
출처
- 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 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Sequential Monte Carlo with Measurement Error. ScholarGate. https://scholargate.app/ko/bayesian/sequential-monte-carlo-with-measurement-error
어떤 방법일까요?
이 방법을 가장 가까운 동류의 방법들과 나란히 놓고 비교해 보세요 — 라이브러리는 책을 펼쳐 놓을 뿐, 선택은 여러분의 몫입니다.
- 측정 오차를 포함한 베이즈 추론베이지안↔ 비교
- 동적 베이즈 추론베이지안↔ 비교
- 칼만 필터와 측정 오차베이지안↔ 비교
- Markov Chain Monte Carlo (MCMC)시뮬레이션↔ 비교
- 파티클 필터 (순차 몬테카를로)베이지안↔ 비교
- 순차 몬테카를로 (Sequential Monte Carlo, SMC)베이지안↔ 비교