Tijdreeksdeeltjesfilter
Het tijdreeksdeeltjesfilter is een Sequentiële Monte Carlo-methode die de verborgen toestand van een niet-lineair, niet-Gaussiaans toestandsruimtemodel volgt naarmate nieuwe waarnemingen één voor één binnenkomen. Het vertegenwoordigt de evoluerende posteriorverdeling over de latente toestand als een gewogen wolk van willekeurige steekproeven (deeltjes), en werkt deze bij elke tijdstap bij door propagatie, waarschijnlijkheids weging en herextractie.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Methodenkaart
De omgeving van verwante methoden — selecteer een knooppunt om te verkennen.
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., de Freitas, N., & Gordon, N. (Eds.). (2001). Sequential Monte Carlo Methods in Practice. Springer. ISBN: 978-0387951461
Deze pagina citeren
ScholarGate. (2026, June 3). Time Series Particle Filter (Sequential Monte Carlo for State-Space Models). ScholarGate. https://scholargate.app/nl/bayesian/time-series-particle-filter
Welke methode?
Plaats deze methode naast haar naaste verwanten en lees ze naast elkaar — de bibliotheek legt de boeken op tafel; de keuze is aan u.
- Dynamisch Bayesiaans NetwerkBayesiaanse statistiek↔ vergelijken
- KalmanfilterBayesiaanse statistiek↔ vergelijken
- Deeltjesfilter (Sequentiële Monte Carlo)Bayesiaanse statistiek↔ vergelijken
- Sequentiële Monte CarloBayesiaanse statistiek↔ vergelijken
- Bayesiaanse inferentie voor tijdreeksenBayesiaanse statistiek↔ vergelijken
- Tijdreeks KalmanfilterBayesiaanse statistiek↔ vergelijken
Een fout op deze pagina gezien? Meld het of stel een correctie voor →