Sekwencyjne metody Monte Carlo z błędem pomiaru
Sekwencyjne metody Monte Carlo (SMC) z błędem pomiaru to cząsteczkowa bayesowska metoda filtrowania służąca do śledzenia ukrytych stanów w systemach dynamicznych, gdy obserwacje są zniekształcone przez szum. Propaguje ona ważoną chmurę cząstek w czasie, aktualizując wagi na każdym kroku, aby odzwierciedlić, jak dobrze każda cząstka wyjaśnia zaszumiony pomiar, i produkuje pełny rozkład a posteriori nad stanem utajonym w każdym punkcie czasowym.
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
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Sequential Monte Carlo with Measurement Error. ScholarGate. https://scholargate.app/pl/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.
- Bayesowska wnioskowanie z błędem pomiaruStatystyka bayesowska↔ compare
- Dynamic Bayesian InferenceStatystyka bayesowska↔ compare
- Filtr Kalmana z błędem pomiaruStatystyka bayesowska↔ compare
- Łańcuchowe metody Monte Carlo (MCMC)Symulacja↔ compare
- Filtr cząsteczkowy (Sekwencyjny Monte Carlo)Statystyka bayesowska↔ compare
- Sekwencyjne metody Monte CarloStatystyka bayesowska↔ compare
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →