Dynamisk Sekventiell Monte Carlo
Dynamisk Sekventiell Monte Carlo (Dynamic SMC) är en Bayesiansk beräkningsmetod som upprätthåller och uppdaterar en population av viktade stickprov – partiklar – när nya observationer anländer över tid. Den propagerar partiklar genom en dynamisk systemmodell, omviktar dem baserat på hur väl de matchar observerade data, och utför periodvis omsampling för att koncentrera ansträngningen på regioner med hög sannolikhet. Detta ger online-inferens av posteriorifördelningen för tillståndsrumsmodeller och tidsutvecklande modeller.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- Del Moral, P., Doucet, A. & Jasra, A. (2006). Sequential Monte Carlo samplers. Journal of the Royal Statistical Society: Series B, 68(3), 411–436. DOI: 10.1111/j.1467-9868.2006.00553.x ↗
- Doucet, A., de Freitas, N. & Gordon, N. (Eds.) (2001). Sequential Monte Carlo Methods in Practice. Springer. ISBN: 978-0387951461
Så citerar du den här sidan
ScholarGate. (2026, June 3). Dynamic Sequential Monte Carlo Sampler. ScholarGate. https://scholargate.app/sv/bayesian/dynamic-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.
- Dynamisk Bayesiansk inferensBayesiansk statistik↔ compare
- Gibbs samplingBayesiansk statistik↔ compare
- Hamiltonian Monte CarloBayesiansk statistik↔ compare
- KalmanfilterBayesiansk statistik↔ compare
- Partikelfilter (sekventiell Monte Carlo)Bayesiansk statistik↔ compare
- Sekventiell Monte CarloBayesiansk statistik↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →