Dynamisch deeltjesfilter
Een dynamisch deeltjesfilter is een sequentieel Monte Carlo-algoritme dat een evoluerende verborgen toestand over tijd volgt door een populatie van gewogen willekeurige steekproeven — deeltjes — te onderhouden, die elk een plausibele traject vertegenwoordigen. Naarmate nieuwe observaties binnenkomen, worden de deeltjesgewichten bijgewerkt via de waarschijnlijkheid en wordt de populatie opnieuw bemonsterd, waardoor de representatie geconcentreerd blijft op de meest waarschijnlijke toestandsgebieden in een volledig niet-lineaire en niet-Gaussiaanse setting.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- Doucet, A., de Freitas, N. & Gordon, N. (Eds.). (2001). Sequential Monte Carlo Methods in Practice. Springer. ISBN: 978-0387951461
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Dynamic Particle Filter for Sequential State Estimation. ScholarGate. https://scholargate.app/nl/bayesian/dynamic-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.
- Dynamische Bayesiaanse InferentieBayesiaanse statistiek↔ compare
- KalmanfilterBayesiaanse statistiek↔ compare
- Deeltjesfilter (Sequentiële Monte Carlo)Bayesiaanse statistiek↔ compare
- Sequentiële Monte CarloBayesiaanse statistiek↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →