Dynamisk partikkelfilter
Et dynamisk partikkelfilter er en sekvensiell Monte Carlo-algoritme som sporer en skjult tilstand som utvikler seg over tid ved å vedlikeholde en populasjon av vektede tilfeldige utvalg – partikler – hvor hver representerer en plausibel bane. Etter hvert som nye observasjoner ankommer, oppdateres partikkelvektene via sannsynligheten, og populasjonen resamples, slik at representasjonen konsentreres om de mest sannsynlige tilstandsregionene i en fullstendig ikke-lineær og ikke-Gaussisk setting.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Dynamic Particle Filter for Sequential State Estimation. ScholarGate. https://scholargate.app/no/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.
- Dynamisk Bayesiansk InferensBayesiansk↔ compare
- Kalman-filteretBayesiansk↔ compare
- Partikkelfilter (sekvensiell Monte Carlo)Bayesiansk↔ compare
- Sekvensiell Monte CarloBayesiansk↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →