Deeltjesfilter (Sequentiële Monte Carlo)
Het deeltjesfilter, geïntroduceerd door Gordon, Salmond en Smith in 1993, is een sequentiële Monte Carlo-algoritme dat de Bayesiaanse filterverdeling benadert voor niet-lineaire en niet-Gaussische toestandsruimtemodellen. In plaats van een enkele beste schatting te volgen, handhaaft het een wolk van N gewogen willekeurige steekproeven — deeltjes — die gezamenlijk de volledige posterieure verdeling van een verborgen toestand op elk tijdstip vertegenwoordigen naarmate nieuwe waarnemingen binnenkomen.
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.
+25 more
Bronnen
- 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., Godsill, S. J., & Andrieu, C. (2000). On sequential Monte Carlo sampling methods for Bayesian filtering. Statistics and Computing, 10(3), 197–208. DOI: 10.1023/A:1008935410038 ↗
- Doucet, A., de Freitas, N., & Gordon, N. (Eds.). (2001). Sequential Monte Carlo Methods in Practice. Springer-Verlag. ISBN: 978-0-387-95146-1
Deze pagina citeren
ScholarGate. (2026, June 3). Particle Filter (Sequential Monte Carlo). ScholarGate. https://scholargate.app/nl/bayesian/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.
- Bayesian RegressieBayesiaanse statistiek↔ compare
- KalmanfilterBayesiaanse statistiek↔ compare
- Markov Chain Monte Carlo (MCMC)Bayesiaanse statistiek↔ compare
- State Space Model (Kalman Filter)Econometrie↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →