Фильтр частиц (последовательное Монте-Карло)
Фильтр частиц, представленный Гордоном, Сэлмондом и Смитом в 1993 году, является алгоритмом последовательного Монте-Карло, который аппроксимирует байесовское фильтрующее распределение для нелинейных и негауссовых моделей пространства состояний. Вместо отслеживания единственной наилучшей оценки он поддерживает облако из N взвешенных случайных выборок — частиц — которые коллективно представляют полное апостериорное распределение скрытого состояния в каждый момент времени по мере поступления новых наблюдений.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
+25 more
Источники
- 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., Godsill, S. J., & Andrieu, C. (2000). On sequential Monte Carlo sampling methods for Bayesian filtering. Statistics and Computing, 10(3), 197–208. DOI: 10.1023/A:1008935410038 ↗
- Doucet, A., de Freitas, N., & Gordon, N. (Eds.). (2001). Sequential Monte Carlo Methods in Practice. Springer-Verlag. ISBN: 978-0-387-95146-1
Как цитировать эту страницу
ScholarGate. (2026, June 3). Particle Filter (Sequential Monte Carlo). ScholarGate. https://scholargate.app/ru/bayesian/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.
- Байесовская регрессияБайесовские методы↔ compare
- Фильтр КалманаБайесовские методы↔ compare
- Метод Монте-Карло по цепям Маркова (MCMC)Байесовские методы↔ compare
- Модель пространства состояний (фильтр Калмана)Эконометрика↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →