Bayesian methodsBayesian / computational

Sekvenčné Monte Carlo

Sekvenčné Monte Carlo (SMC) je rodina simulačných algoritmov, ktoré aproximujú vyvíjajúce sa pravdepodobnostné rozdelenia šírením a prevažovaním oblaku vážených náhodných výberov nazývaných častice. Prirodzene spracováva nelineárne, negausovské modely a dátové toky, čo z neho robí preferovanú metódu pre odhad stavu v reálnom čase a aproximáciu posteriorného rozdelenia pre komplexné distribúcie.

Otvoriť v MethodMindČoskoroVideoČoskoroDownload slides

Prečítať celú metódu

Len pre členov

Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.

Prihlásiť sa

Method map

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

Sekvenčné Monte Carlo

Aproximačná Bayesovská v…Gibbs Sampling Hamiltonovský Monte Carlo Kalmanov filter Markov Chain Monte Carlo…Časticový filter (sekven…Aproximačná bayesovská v…Approximate Bayesian Com…Dynamický bayesovský hie…Dynamická bayesovská inf…

+41 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 ↗
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 ↗

Ako citovať túto stránku

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

Aproximačná Bayesovská výpočtová technikaSimulácia↔ compare
Gibbs SamplingBayesovské metódy↔ compare
Hamiltonovský Monte CarloBayesovské metódy↔ compare
Kalmanov filterBayesovské metódy↔ compare
Markov Chain Monte Carlo (MCMC)Bayesovské metódy↔ compare
Časticový filter (sekvenčné metódy Monte Carlo)Bayesovské metódy↔ compare

Compare side by side →

Odkazujú sem

Aproximačná Bayesovská výpočtová technika Aproximačná bayesovská výpočtová metóda s chybou merania Approximate Bayesian Computation with Missing Data Dynamický bayesovský hierarchický model Dynamická bayesovská inferencia Dynamické bayesovské priemerovanie modelov Dynamická Bayesovská sieť Dynamické Hamiltonovské Monte Carlo Dynamická simulácia Monte Carlo Dynamický časticový filter Dynamické sekvenčné Monte Carlo Dynamická variačná inferencia Hierarchické približné Bayesovské počítanie Hierarchická bootstrap simulácia Hierarchický Kalmanov filter Hierarchický časticový filter Kalmanov filter Kalmanov filter s chybou merania Kalmanov filter s chýbajúcimi údajmi Algoritmus Metropolis-Hastings Metropolis-Hastings pre porovnávanie modelov Simulácia Monte Carlo s chýbajúcimi údajmi Viacúrovňové aproximatívne bayesovské výpočty Viacúrovňová simulácia bootstrapom Viacúrovňová Monte Carlo simulácia Časticový filter s chybou merania Časticový filter s chýbajúcimi údajmi Robustná aproximatívna bayesovská výpočtová metóda Robustný Kalmanov filter Robustná metóda Monte Carlo Markovovými reťazcami Robustná Monte Carlo simulácia Robustný časticový filter Robustná sekvenčná Monte Carlo metóda Sekvenčné Monte Carlo s chybou merania Sekvenčné Monte Carlo s chýbajúcimi údajmi Priestorová aproximatívna bayesovská výpočtová metóda Priestorová bootstrapová simulácia Priestorový Kalmanov filter Priestorová Monte Carlo simulácia Približný Bayesovský výpočet pre časové rady Bayesovská inferencia časových radov Bayesovské priemerovanie časových radov Kalmanov filter časových radov Časové MCMC Časový filter častíc Sekvenčná Monte Carlo metóda pre časové rady Variačná inferencia časových radov

Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →