Laika rindu daļiņu filtrs
Laika rindu daļiņu filtrs ir sekvenciāla Monte Karlo metode, kas izseko nelineāra, negausiāna stāvokļa telpas modeļa slēpto stāvokli, jauniem novērojumiem pienākot pa vienam. Tas attēlo mainīgo a posteriori sadalījumu virs latentā stāvokļa kā svērtu nejaušu izlašu (daļiņu) mākoni, atjauninot tos katrā laika solī, izmantojot izplatīšanu, varbūtības svēršanu un pārizlasi.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
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 ↗
- Doucet, A., de Freitas, N., & Gordon, N. (Eds.). (2001). Sequential Monte Carlo Methods in Practice. Springer. ISBN: 978-0387951461
Kā citēt šo lapu
ScholarGate. (2026, June 3). Time Series Particle Filter (Sequential Monte Carlo for State-Space Models). ScholarGate. https://scholargate.app/lv/bayesian/time-series-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.
- Dinamiskais beijes tīklsBajesa metodes↔ compare
- Kalman FilterBajesa metodes↔ compare
- Particle Filter (Sequential Monte Carlo)Bajesa metodes↔ compare
- Sekvenciālā Monte Karlo metodeBajesa metodes↔ compare
- Bēzijas laika rindu secinājumiBajesa metodes↔ compare
- Laika sēriju Kalmaņa filtrsBajesa metodes↔ compare
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →