Penapis Zarah Hierarkis
Penapis zarah hierarkis memperluas Kaedah Monte Carlo Sekuensial kepada model ruang keadaan dengan berbilang peringkat pembolehubah tersembunyi. Zarah-zarah disebarkan pada setiap peringkat hierarki, membolehkan kaedah ini menjejaki dinamik keadaan peringkat halus dan hiperparameter yang berubah lebih perlahan secara serentak, menghasilkan taburan posterior yang terkalibrasi di semua peringkat model.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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 ↗
Cara memetik halaman ini
ScholarGate. (2026, June 3). Hierarchical Particle Filter. ScholarGate. https://scholargate.app/ms/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.
- Inferensi Bayesian HierarkiBayesian↔ compare
- Rantai Markov Monte Carlo BerperingkatBayesian↔ compare
- Penapis KalmanBayesian↔ compare
- Penapis Zarah (Monte Carlo Sekuen)Bayesian↔ compare
- Monte Carlo SekuensialBayesian↔ compare
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →