Filtri Dinamik i Grimcave
Një filtër dinamik i grimcave është një algoritëm sekuencial Monte Carlo që gjurmon një gjendje të fshehur në zhvillim me kalimin e kohës duke mbajtur një popullatë mostrash të rastësishme të peshuara — grimca — ku secila përfaqëson një trajektore të besueshme. Me ardhjen e vëzhgimeve të reja, peshat e grimcave përditësohen nëpërmjet gjasës dhe popullata rimostrohet, duke e mbajtur përfaqësimin të përqendruar në rajonet më të mundshme të gjendjes në një mjedis plotësisht jolinear dhe jo-Gaussian.
Lexoni metodën e plotë
Hyni me një llogari falas për ta lexuar këtë seksion.
Method map
The neighbourhood of related methods — select a node to explore.
Burimet
- Doucet, A., de Freitas, N. & Gordon, N. (Eds.). (2001). Sequential Monte Carlo Methods in Practice. Springer. ISBN: 978-0387951461
- 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 ↗
Si ta citoni këtë faqe
ScholarGate. (2026, June 3). Dynamic Particle Filter for Sequential State Estimation. ScholarGate. https://scholargate.app/sq/bayesian/dynamic-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.
- Inferencë Bayesiane DinamikeStatistika bajesiane↔ compare
- Filtrimi KalmanStatistika bajesiane↔ compare
- Filtri i grimcave (Monte Karlo Sekuencial)Statistika bajesiane↔ compare
- Monte Karlo SekuencialStatistika bajesiane↔ compare
Cituar nga
Vutë re një problem në këtë faqe? Raportojeni ose sugjeroni një korrigjim →