Monte Carlo Sekuencial për Serinë Kohore
Monte Carlo Sekuencial (SMC) për serinë kohore, i njohur zakonisht si filtri i grimcave, është një metodë simulimi Bayesian që gjurmon gjendjen e fshehur të një sistemi dinamik ndërsa vëzhgimet mbërrijnë një nga një. Një re kampionesh të rastit të peshuara — grimca — propaganohet përpara përmes dinamikës së sistemit, ripërtërihet sipas asaj se sa mirë çdo grimcë shpjegon vëzhgimin e ri, dhe periodikisht ripërtërihet për të mbajtur përfaqësimin të përqendruar në gjendje të mundshme.
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
- 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
Si ta citoni këtë faqe
ScholarGate. (2026, June 3). Sequential Monte Carlo Methods for Time Series. ScholarGate. https://scholargate.app/sq/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.
- Rrjeti Bajesian DinamikStatistika bajesiane↔ compare
- Kampimi i GibbsStatistika bajesiane↔ compare
- Filtrimi KalmanStatistika bajesiane↔ compare
- Filtri i grimcave (Monte Karlo Sekuencial)Statistika bajesiane↔ compare
- Monte Karlo SekuencialStatistika bajesiane↔ compare
Vutë re një problem në këtë faqe? Raportojeni ose sugjeroni një korrigjim →