Čestični filtar za vremenske serije
Čestični filtar za vremenske serije je sekvencijalna Monte Karlo metoda koja prati skriveno stanje nelinearnog, ne-Gausovog modela prostora stanja kako nove opservacije pristižu jedna po jedna. On predstavlja evoluirajuću posteriornu distribuciju nad latentnim stanjem kao ponderisani oblak slučajnih uzoraka (čestica), ažurirajući ih u svakom vremenskom koraku kroz propagaciju, ponderisanje verovatnoćom i ponovno uzorkovanje.
Pročitajte celu metodu
Prijavite se besplatnim nalogom da biste pročitali ovaj odeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Time Series Particle Filter (Sequential Monte Carlo for State-Space Models). ScholarGate. https://scholargate.app/sr/bayesian/time-series-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.
- Динамичка Бајесова мрежаBajesovska statistika↔ compare
- Kalmanov filterBajesovska statistika↔ compare
- Филтер честица (секвенцијални Монте Карло)Bajesovska statistika↔ compare
- Sekvenciјalni Monte KarloBajesovska statistika↔ compare
- Bajevsko zaključivanje o vremenskim nizovimaBajesovska statistika↔ compare
- Kalmanov filter za vremenske serijeBajesovska statistika↔ compare
Uočili ste grešku na ovoj stranici? Prijavite je ili predložite ispravku →