Dynamic Sequential Monte Carlo
Dynamic Sequential Monte Carlo (Dynamic SMC) to bayesowska metoda obliczeniowa, która utrzymuje i aktualizuje populację ważonych próbek — cząstek — w miarę napływu nowych obserwacji w czasie. Propaguje ona cząstki przez model systemu dynamicznego, przypisuje im nowe wagi w zależności od tego, jak dobrze pasują do obserwowanych danych, i okresowo dokonuje resampling'u, aby skoncentrować wysiłek na obszarach o wysokim prawdopodobieństwie, co prowadzi do wnioskowania o rozkładzie a posteriori w czasie rzeczywistym dla modeli przestrzeni stanów i modeli ewoluujących w czasie.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- Del Moral, P., Doucet, A. & Jasra, A. (2006). Sequential Monte Carlo samplers. Journal of the Royal Statistical Society: Series B, 68(3), 411–436. DOI: 10.1111/j.1467-9868.2006.00553.x ↗
- Doucet, A., de Freitas, N. & Gordon, N. (Eds.) (2001). Sequential Monte Carlo Methods in Practice. Springer. ISBN: 978-0387951461
Jak cytować tę stronę
ScholarGate. (2026, June 3). Dynamic Sequential Monte Carlo Sampler. ScholarGate. https://scholargate.app/pl/bayesian/dynamic-sequential-monte-carlo
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.
- Dynamic Bayesian InferenceStatystyka bayesowska↔ compare
- Próbkowanie GibbsaStatystyka bayesowska↔ compare
- Hamiltonian Monte CarloStatystyka bayesowska↔ compare
- Filtr KalmanaStatystyka bayesowska↔ compare
- Filtr cząsteczkowy (Sekwencyjny Monte Carlo)Statystyka bayesowska↔ compare
- Sekwencyjne metody Monte CarloStatystyka bayesowska↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →