Bayesian methodsBayesian / computational

Sekvenciālā Monte Karlo metode

Sekvenciālā Monte Karlo metode (SMC) ir uz simulāciju balstītu algoritmu saime, kas aptuveni novērtē mainīgas varbūtību sadales, izplatot un pārsverot svērto nejaušo izložu mākoni, ko sauc par daļiņām. Tā dabiski apstrādā nelineārus, ne-Gausa modeļus un datu plūsmas, padarot to par izvēlēto metodi reāllaika stāvokļa novērtēšanai un a posteriori tuvināšanai sarežģītām sadalēm.

Atvērt MethodMindDrīzumāVideoDrīzumāDownload slides

Lasīt pilno metodes aprakstu

Tikai dalībniekiem

Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.

Pieteikties

Method map

The neighbourhood of related methods — select a node to explore.

Sekvenciālā Monte Karlo metode

Aproksimatīvā Bayesian a…Gibbs Sampling Hamiltona Montekarlo Kalman Filter Mārkova ķēžu Montekarlo…Particle Filter (Sequent…Aproksimatīvā Bayesianu…Biešās Baijesa aprēķināš…Dinamiskais bajesisko hi…Dinamiskā Bayesas infere…

+41 more

Avoti

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 ↗
Del Moral, P., Doucet, A., & Jasra, A. (2006). Sequential Monte Carlo samplers. Journal of the Royal Statistical Society: Series B, 68(3), 411–436. DOI: 10.1111/j.1467-9868.2006.00553.x ↗

Kā citēt šo lapu

ScholarGate. (2026, June 3). Sequential Monte Carlo Methods. ScholarGate. https://scholargate.app/lv/bayesian/sequential-monte-carlo

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.

Aproksimatīvā Bayesian aprēķināšanaSimulācija↔ compare
Gibbs SamplingBajesa metodes↔ compare
Hamiltona MontekarloBajesa metodes↔ compare
Kalman FilterBajesa metodes↔ compare
Mārkova ķēžu Montekarlo (MCMC)Bajesa metodes↔ compare
Particle Filter (Sequential Monte Carlo)Bajesa metodes↔ compare

Compare side by side →

Uz to atsaucas

Aproksimatīvā Bayesian aprēķināšana Aproksimatīvā Bayesianu aprēķināšana ar mērījumu kļūdām Biešās Baijesa aprēķināšana ar trūkstošiem datiem Dinamiskais bajesisko hierarhiskais modelis Dinamiskā Bayesas inferencēšana Dinamiskā Bajesas modeļu vidējo vērtību aprēķināšana Dinamiskais beijes tīkls Dinamiskā Hamiltona Monte Karlo metode Dinamiskā Montekarlo simulācija Dinamiskais daļiņu filtrs Dinamiskā secīgā Montekarlo metode Dinamiskā variācijas izskaidrošana Hierarchical Approximate Bayesian Computation Hierarchical Bootstrap Simulation Hierarhiskais Kalmana filtrs Hierarhiskais daļiņu filtrs Kalman Filter Kalman Filter ar kļūdu mērījumos Kalman filtrs ar trūkstošiem datiem Metropolis-Hastings algoritms Metropolis-Hastings algoritms modeļu salīdzināšanai Montekarlo simulācija ar trūkstošiem datiem Daudzlīmeņu aptuvenā Beijesa aprēķināšana Daudzlīmeņu Bootstrap simulācija Daudzlīmeņu Montekarlo simulācija Daļiņu filtrs ar mērījumu kļūdu Daļiņu filtrs ar trūkstošiem datiem Robustā aptuvenā Bajesu aprēķināšana Robustais Kalmana filtrs Robusta Markova ķēžu Montekarlo metode Robustā Monte Carlo simulācija Izturīgais daļiņu filtrs Robust Sequential Monte Carlo Sekvenciālā Montekarlo metode ar mērījumu kļūdu Sekvenciālā Monte Karlo metode ar trūkstošiem datiem Telpiskā aptuvenā Beijesa statistika Telpiskās Bootstrap simulācija Telpiskais Kalmana filtrs Telpiskā Montekarlo simulācija Laika sēriju apgrieztā Beijesa inferenču metode Bēzijas laika rindu secinājumi Laika sēriju Beijesa modeļu vidējo vērtību noteikšana Laika sēriju Kalmaņa filtrs Laika rindu MCMC Laika rindu daļiņu filtrs Laika sēriju secīgā Montekarlo metode Time series variational inference

Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →