Tidsserie partikkelfilter
Tidsserie partikkelfilteret er en sekvensiell Monte Carlo-metode som sporer den skjulte tilstanden til en ikke-lineær, ikke-Gaussisk tilstandsrommodell etter hvert som nye observasjoner ankommer én om gangen. Den representerer den utviklende posteriorfordelingen over den latente tilstanden som en vektet sky av tilfeldige utvalg (partikler), og oppdaterer dem ved hvert tidsskritt gjennom propagering, likelihood-vekting og resampling.
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
- 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
Slik siterer du denne siden
ScholarGate. (2026, June 3). Time Series Particle Filter (Sequential Monte Carlo for State-Space Models). ScholarGate. https://scholargate.app/no/bayesian/time-series-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 NettverkBayesiansk↔ compare
- Kalman-filteretBayesiansk↔ compare
- Partikkelfilter (sekvensiell Monte Carlo)Bayesiansk↔ compare
- Sekvensiell Monte CarloBayesiansk↔ compare
- Bayesiansk inferens for tidsserierBayesiansk↔ compare
- Kalmanfilter for tidsserierBayesiansk↔ compare
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →