Dynamische Sequentiële Monte Carlo
Dynamische Sequentiële Monte Carlo (Dynamische SMC) is een Bayesiaanse computationele methode die een populatie van gewogen samples — deeltjes — onderhoudt en bijwerkt naarmate nieuwe observaties in de tijd binnenkomen. Het propageert deeltjes door een dynamisch systeemmodel, kent ze nieuwe gewichten toe op basis van hoe goed ze overeenkomen met de waargenomen data, en voert periodiek resampling uit om de inspanning te concentreren op regio's met een hoge waarschijnlijkheid, wat resulteert in online posterior inferentie voor toestandsruimte- en tijdsafhankelijke modellen.
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
- 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 ↗
- Doucet, A., de Freitas, N. & Gordon, N. (Eds.) (2001). Sequential Monte Carlo Methods in Practice. Springer. ISBN: 978-0387951461
Deze pagina citeren
ScholarGate. (2026, June 3). Dynamic Sequential Monte Carlo Sampler. ScholarGate. https://scholargate.app/nl/bayesian/dynamic-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.
- Dynamische Bayesiaanse InferentieBayesiaanse statistiek↔ compare
- Gibbs SamplingBayesiaanse statistiek↔ compare
- Hamiltonian Monte CarloBayesiaanse 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 →