Bayesian methodsBayesian / computational

Последовательный Монте-Карло

Последовательный Монте-Карло (ПМК) — это семейство алгоритмов, основанных на моделировании, которые аппроксимируют эволюционирующие вероятностные распределения путем распространения и перевзвешивания облака взвешенных случайных выборок, называемых частицами. Он естественно обрабатывает нелинейные, негауссовы модели и потоки данных, что делает его предпочтительным методом для оценки состояния в реальном времени и аппроксимации апостериорного распределения по сложным распределениям.

Открыть в MethodMindСкороВидеоСкороDownload slides

Читать метод полностью

Только для участников

Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.

Войти

Method map

The neighbourhood of related methods — select a node to explore.

Последовательный Монте-Карло

Приближенное байесовское…Сэмплирование по Гиббсу Гамильтонов Монте-Карло Фильтр Калмана Метод Монте-Карло по цеп…Фильтр частиц (последова…Приближенное байесовское…Approximate Bayesian Com…Динамическая байесовская…Динамический байесовский…

+41 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 ↗
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 ↗

Как цитировать эту страницу

ScholarGate. (2026, June 3). Sequential Monte Carlo Methods. ScholarGate. https://scholargate.app/ru/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.

Приближенное байесовское вычислениеИмитационное моделирование↔ compare
Сэмплирование по ГиббсуБайесовские методы↔ compare
Гамильтонов Монте-КарлоБайесовские методы↔ compare
Фильтр КалманаБайесовские методы↔ compare
Метод Монте-Карло по цепям Маркова (MCMC)Байесовские методы↔ compare
Фильтр частиц (последовательное Монте-Карло)Байесовские методы↔ compare

Compare side by side →

Упоминается в

Приближенное байесовское вычисление Приближенное байесовское вычисление с учетом ошибки измерения Approximate Bayesian Computation with Missing Data Динамическая байесовская иерархическая модель Динамический байесовский вывод Динамическое байесовское усреднение моделей Динамическая байесовская сеть Динамический гамильтоновский метод Монте-Карло Динамическое моделирование методом Монте-Карло Динамический фильтр частиц Динамическое последовательное Монте-Карло Динамический вариационный вывод Иерархическое приближенное байесовское вычисление Иерархическое бутстреп-моделирование Иерархический фильтр Калмана Иерархический фильтр частиц Фильтр Калмана Фильтр Калмана с ошибкой измерения Фильтр Калмана с пропущенными данными Алгоритм Метрополиса Метод Метрополиса-Гастингса для сравнения моделей Метод Монте-Карло для данных с пропусками Многоуровневая аппроксимационная байесовская вычислительная техника Многоуровневое бутстреп-моделирование Многоуровневая Монте-Карло симуляция Фильтр частиц с ошибкой измерения Фильтр частиц с пропущенными данными Робастное приближенное байесовское вычисление Робастный фильтр Калмана Робастная цепь Маркова Монте-Карло Робастное моделирование методом Монте-Карло Робастный фильтр частиц Робастный последовательный Монте-Карло Последовательный Монте-Карло с ошибкой измерения Последовательный метод Монте-Карло с пропущенными данными Spatial Approximate Bayesian Computation Пространственное бутстрэп-моделирование Пространственный фильтр Калмана Пространственное моделирование методом Монте-Карло Приближенное байесовское вычисление для временных рядов Байесовский вывод для временных рядов Байесовское усреднение моделей временных рядов Фильтр Калмана для временных рядов Time series MCMC Фильтр частиц для временных рядов Sequential Monte Carlo для временных рядов Вариационный вывод для временных рядов

Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →