Sekvenčné Monte Carlo s chybou merania
Sekvenčné Monte Carlo (SMC) s chybou merania je časticovo založená Bayesovská filtračná metóda na sledovanie skrytých stavov v dynamických systémoch, keď sú pozorovania skreslené šumom. Šíri vážený oblak častíc v čase, pričom v každom kroku aktualizuje váhy tak, aby odrážali, ako dobre každá častica vysvetľuje zašumené meranie, a vytvára úplnú aposteriórnu distribúciu latentného stavu v každom časovom bode.
Prečítať celú metódu
Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.
Mapa metód
Okolie príbuzných metód — vyberte uzol na preskúmanie.
Zdroje
- 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 ↗
Ako citovať túto stránku
ScholarGate. (2026, June 3). Sequential Monte Carlo with Measurement Error. ScholarGate. https://scholargate.app/sk/bayesian/sequential-monte-carlo-with-measurement-error
Ktorá metóda?
Postavte túto metódu vedľa jej najbližších príbuzných a čítajte ich vedľa seba — knižnica vám knihy položí na stôl; voľba je na vás.
- Bayesovská inferencia s chybou meraniaBayesovské metódy↔ porovnať
- Dynamická bayesovská inferenciaBayesovské metódy↔ porovnať
- Kalmanov filter s chybou meraniaBayesovské metódy↔ porovnať
- Markov Chain Monte Carlo (MCMC)Simulácia↔ porovnať
- Časticový filter (sekvenčné metódy Monte Carlo)Bayesovské metódy↔ porovnať
- Sekvenčné Monte CarloBayesovské metódy↔ porovnať
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →