Sequential Monte Carlo для временных рядов
Sequential Monte Carlo (SMC) для временных рядов, часто называемый фильтром частиц, представляет собой байесовский метод моделирования, который отслеживает скрытое состояние динамической системы по мере поступления наблюдений одно за другим. Облако взвешенных случайных выборок — частиц — распространяется вперед через динамику системы, перевзвешивается в зависимости от того, насколько хорошо каждая частица объясняет новое наблюдение, и периодически перевыбирается, чтобы сохранить представление, сконцентрированное на правдоподобных состояниях.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
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., de Freitas, N., & Gordon, N. (Eds.). (2001). Sequential Monte Carlo Methods in Practice. Springer. ISBN: 978-0387951461
Как цитировать эту страницу
ScholarGate. (2026, June 3). Sequential Monte Carlo Methods for Time Series. ScholarGate. https://scholargate.app/ru/bayesian/time-series-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.
- Динамическая байесовская сетьБайесовские методы↔ compare
- Сэмплирование по ГиббсуБайесовские методы↔ compare
- Фильтр КалманаБайесовские методы↔ 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 →