Sekwencyjne metody Monte Carlo
Sekwencyjne metody Monte Carlo (SMC) to rodzina algorytmów symulacyjnych, które aproksymują ewoluujące rozkłady prawdopodobieństwa poprzez propagację i ważenie chmury ważonych losowych próbek zwanych cząstkami. Metody te naturalnie radzą sobie z nieliniowymi, niel Gaussowskimi modelami i strumieniami danych, co czyni je metodą z wyboru do estymacji stanu w czasie rzeczywistym i aproksymacji rozkładów aposteriornych dla złożonych rozkładów.
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.
+41 more
Źródła
- 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 ↗
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Sequential Monte Carlo Methods. ScholarGate. https://scholargate.app/pl/bayesian/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.
- Przybliżone Obliczenia BayesaSymulacja↔ compare
- Próbkowanie GibbsaStatystyka bayesowska↔ compare
- Hamiltonian Monte CarloStatystyka bayesowska↔ compare
- Filtr KalmanaStatystyka bayesowska↔ compare
- Łańcuchy Markowa i symulacje Monte Carlo (MCMC)Statystyka bayesowska↔ compare
- Filtr cząsteczkowy (Sekwencyjny Monte Carlo)Statystyka bayesowska↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →