Filtro de Partículas Dinâmico
Um filtro de partículas dinâmico é um algoritmo sequencial de Monte Carlo que rastreia um estado oculto em evolução ao longo do tempo, mantendo uma população de amostras aleatórias ponderadas — partículas — cada uma representando uma trajetória plausível. À medida que novas observações chegam, os pesos das partículas são atualizados via verossimilhança e a população é reamostrada, mantendo a representação concentrada nas regiões de estado mais prováveis em um ambiente totalmente não linear e não Gaussiano.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
Fontes
- Doucet, A., de Freitas, N. & Gordon, N. (Eds.). (2001). Sequential Monte Carlo Methods in Practice. Springer. ISBN: 978-0387951461
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 3). Dynamic Particle Filter for Sequential State Estimation. ScholarGate. https://scholargate.app/pt/bayesian/dynamic-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.
- Inferência Bayesiana DinâmicaBayesiano↔ compare
- Filtro de KalmanBayesiano↔ compare
- Filtro de Partículas (Monte Carlo Sequencial)Bayesiano↔ compare
- Monte Carlo SequencialBayesiano↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →