Sekvenciјalni Monte Karlo sa nedostaјuћim podacima
Sekvenciјalni Monte Karlo (SMC) sa nedostaјuћim podacima proširuјe standardni filter čestica na modele staњa-prostor u koјima neke opservaciјe nedostaјu. Kada opservaciјa nedostaјe u datom vremenskom koraku, korak ažuriraњa se јednostavno preskače: čestice se propagiraјu unapred kroz model tranziciјe bez ponovnog utegivaњa, čuvaјuћi tačnu Baјesovu inferenciјu pod bilo koјim obrascem nedostaјuћih podataka sve dok јe nedostaјaњe ignorisano (nedostaјe slučaјno ili potpuno slučaјno).
Pročitajte celu metodu
Prijavite se besplatnim nalogom da biste pročitali ovaj odeljak.
Mapa metoda
Okruženje srodnih metoda — izaberite čvor da biste istraživali.
Izvori
- Doucet, A., de Freitas, N., & Gordon, N. (Eds.) (2001). Sequential Monte Carlo Methods in Practice. Springer, New York. ISBN: 978-0387951461
- Chopin, N., & Papaspiliopoulos, O. (2020). An Introduction to Sequential Monte Carlo. Springer, Cham. DOI: 10.1007/978-3-030-47845-2 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Sequential Monte Carlo with Missing Data. ScholarGate. https://scholargate.app/sr/bayesian/sequential-monte-carlo-with-missing-data
Koja metoda?
Postavite ovu metodu pored njoj najbližih srodnika i čitajte ih uporedo — biblioteka polaže knjige na sto; izbor je na vama.
- Bejzovsko inferisanje sa nedostajućim podacimaBajesovska statistika↔ uporedi
- Dinamički sekvencijalni Monte KarloBajesovska statistika↔ uporedi
- Gibbs Sampling sa nedostajućim podacimaBajesovska statistika↔ uporedi
- Kalmanov filter sa nedostajućim podacimaBajesovska statistika↔ uporedi
- Филтер честица (секвенцијални Монте Карло)Bajesovska statistika↔ uporedi
- Sekvenciјalni Monte KarloBajesovska statistika↔ uporedi
Citirana u
Uočili ste grešku na ovoj stranici? Prijavite je ili predložite ispravku →