Sekvensiell Monte Carlo med målingsfeil
Sekvensiell Monte Carlo (SMC) med målingsfeil er en partikkelbasert Bayesiansk filtreringsmetode for sporing av skjulte tilstander i dynamiske systemer når observasjoner er forstyrret av støy. Den propagerer en vektet sky av partikler gjennom tid, oppdaterer vekter ved hvert trinn for å reflektere hvor godt hver partikkel forklarer den støyende målingen, og produserer en full posterior fordeling over den latente tilstanden ved hvert tidspunkt.
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 New York. ISBN: 978-0-387-95146-1
- Cappe, O., Godsill, S. J., & Moulines, E. (2007). An overview of existing methods and recent advances in sequential Monte Carlo. Proceedings of the IEEE, 95(5), 899-924. DOI: 10.1109/JPROC.2007.893250 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Sequential Monte Carlo with Measurement Error. ScholarGate. https://scholargate.app/no/bayesian/sequential-monte-carlo-with-measurement-error
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 inferens med målefeilBayesiansk↔ compare
- Dynamisk Bayesiansk InferensBayesiansk↔ compare
- Kalmanfilter med målingsfeilBayesiansk↔ compare
- Markov Chain Monte Carlo (MCMC)Simulering↔ compare
- Partikkelfilter (sekvensiell Monte Carlo)Bayesiansk↔ compare
- Sekvensiell Monte CarloBayesiansk↔ compare
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →