Sekvencijalni Monte Karlo za vremenske serije
Sekvencijalni Monte Karlo (SMC) za vremenske serije, opšte poznat kao partikl filter, jeste Bajesova simulaciona metoda koja prati skriveno stanje dinamičkog sistema kako opservacije pristižu jedna po jedna. Oblak ponderisanih slučajnih uzoraka — partikula — propagira se unapred kroz dinamiku sistema, ponovo se ponderiše na osnovu toga koliko dobro svaka partikula objašnjava novu opservaciju, i periodično se ponovo uzorkuje kako bi reprezentacija ostala koncentrisana na verovatna stanja.
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). Sequential Monte Carlo Methods for Time Series. ScholarGate. https://scholargate.app/sr/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.
- Динамичка Бајесова мрежаBajesovska statistika↔ compare
- Gibbsovo uzorkovanjeBajesovska statistika↔ compare
- Kalmanov filterBajesovska statistika↔ compare
- Филтер честица (секвенцијални Монте Карло)Bajesovska statistika↔ compare
- Sekvenciјalni Monte KarloBajesovska statistika↔ compare
Uočili ste grešku na ovoj stranici? Prijavite je ili predložite ispravku →