Partikkelfilter (sekvensiell Monte Carlo)
Partikkelfilteret, introdusert av Gordon, Salmond og Smith i 1993, er en sekvensiell Monte Carlo-algoritme som tilnærmer den Bayesianske filtreringsfordelingen for ikke-lineære og ikke-Gaussiske tilstandsrommodeller. I stedet for å spore et enkelt beste estimat, opprettholder det en sky av N vektede tilfeldige utvalg – partikler – som samlet representerer den fulle posteriorfordelingen av en skjult tilstand på hvert tidspunkt etter hvert som nye observasjoner ankommer.
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.
+25 more
Kilder
- 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
Slik siterer du denne siden
ScholarGate. (2026, June 3). Particle Filter (Sequential Monte Carlo). ScholarGate. https://scholargate.app/no/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.
- Bayesiansk regresjonBayesiansk↔ compare
- Kalman-filteretBayesiansk↔ compare
- Markov Chain Monte Carlo (MCMC)Bayesiansk↔ compare
- Tilstandsrommodell (Kalmanfilter)Økonometri↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →