Bayesian methodsBayesian / computational
시계열 베이즈 추론
시계열 베이즈 추론은 시간 순서대로 정렬된 관측치에 베이즈 정리를 순차적으로 적용하여, 모든 시간 단계에서 숨겨진 상태와 모델 매개변수에 대한 완전한 확률 분포를 유지합니다. 이 프레임워크는 상태 공간 모델, 동적 선형 모델, 입자 필터를 통합하며, 필터링(실시간) 및 회고적 스무딩 작업 모두에 대해 보정된 불확실성을 생성합니다.
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.
+2 more
출처
- West, M. & Harrison, J. (1997). Bayesian Forecasting and Dynamic Models (2nd ed.). Springer. ISBN: 978-0387947259
- Prado, R. & West, M. (2010). Time Series: Modeling, Computation, and Inference. CRC Press. ISBN: 978-1420093360
이 페이지 인용 방법
ScholarGate. (2026, June 3). Bayesian Inference for Time Series Models. ScholarGate. https://scholargate.app/ko/bayesian/time-series-bayesian-inference
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.
- 베이즈 회귀베이지안↔ compare
- 동적 베이즈 네트워크베이지안↔ compare
- 계층적 베이즈 추론베이지안↔ compare
- 칼만 필터베이지안↔ compare
- 파티클 필터 (순차 몬테카를로)베이지안↔ compare
- 순차 몬테카를로 (Sequential Monte Carlo, SMC)베이지안↔ compare