Hierarkisk partikkelfilter
Et hierarkisk partikkelfilter utvider sekvensiell Monte Carlo til tilstandsrommodeller med flere nivåer av latente variabler. Partikler propageres på hvert nivå av hierarkiet, noe som gjør at metoden kan spore både finkornede tilstandsdynamikker og langsommere varierende hyperparametre samtidig, og gi kalibrerte posteriorfordelinger på tvers av alle nivåer i modellen.
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
- Briers, M., Doucet, A. & Maskell, S. (2010). Smoothing algorithms for state-space models. Annals of the Institute of Statistical Mathematics, 62(1), 61-89. DOI: 10.1007/s10463-009-0236-2 ↗
- Chopin, N., Jacob, P. E. & Papaspiliopoulos, O. (2013). SMC2: an efficient algorithm for sequential analysis of state-space models. Journal of the Royal Statistical Society: Series B, 75(3), 397-426. DOI: 10.1111/j.1467-9868.2012.01046.x ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Hierarchical Particle Filter. ScholarGate. https://scholargate.app/no/bayesian/hierarchical-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.
- Hierarkisk Bayesiansk InferensBayesiansk↔ compare
- Hierarkisk Markovkjede Monte CarloBayesiansk↔ compare
- Kalman-filteretBayesiansk↔ compare
- Partikkelfilter (sekvensiell Monte Carlo)Bayesiansk↔ compare
- Sekvensiell Monte CarloBayesiansk↔ compare
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →