Časticový filter (sekvenčné metódy Monte Carlo)
Časticový filter, predstavený Gordonom, Salmondom a Smithom v roku 1993, je sekvenčný algoritmus Monte Carlo, ktorý aproximuje Bayesovskú filtračnú distribúciu pre nelineárne a negauusovské stavové modely. Namiesto sledovania jedného najlepšieho odhadu udržiava súbor N vážených náhodných vzoriek – častíc –, ktoré kolektívne reprezentujú úplnú posteriornú distribúciu skrytého stavu v každom časovom bode, keď prichádzajú nové pozorované údaje.
Prečítať celú metódu
Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.
Method map
The neighbourhood of related methods — select a node to explore.
+25 more
Zdroje
- 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
Ako citovať túto stránku
ScholarGate. (2026, June 3). Particle Filter (Sequential Monte Carlo). ScholarGate. https://scholargate.app/sk/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.
- Bayesovská regresiaBayesovské metódy↔ compare
- Kalmanov filterBayesovské metódy↔ compare
- Markov Chain Monte Carlo (MCMC)Bayesovské metódy↔ compare
- Model priestorového stavu (Kalmanov filter)Ekonometria↔ compare
Odkazujú sem
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →