Последовательный Монте-Карло с ошибкой измерения
Последовательный Монте-Карло (SMC) с ошибкой измерения — это байесовский фильтр на основе частиц для отслеживания скрытых состояний в динамических системах, когда наблюдения искажены шумом. Он распространяет взвешенное облако частиц во времени, обновляя веса на каждом шаге, чтобы отразить, насколько хорошо каждая частица объясняет зашумленное измерение, и производит полное апостериорное распределение скрытого состояния в каждую временную точку.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Sequential Monte Carlo with Measurement Error. ScholarGate. https://scholargate.app/ru/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.
- Байесовский вывод с учетом ошибки измеренияБайесовские методы↔ compare
- Динамический байесовский выводБайесовские методы↔ compare
- Фильтр Калмана с ошибкой измеренияБайесовские методы↔ compare
- Марковские цепи Монте-Карло (MCMC)Имитационное моделирование↔ compare
- Фильтр частиц (последовательное Монте-Карло)Байесовские методы↔ compare
- Последовательный Монте-КарлоБайесовские методы↔ compare
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →