Partikelfilter (sekventiell Monte Carlo)
Partikelfiltret, introducerat av Gordon, Salmond och Smith 1993, är en sekventiell Monte Carlo-algoritm som approximerar den Bayesianska filtreringsfördelningen för icke-linjära och icke-Gaussiska tillstånd-rymdmodeller. Istället för att spåra en enda bästa skattning, upprätthåller det en moln av N viktade slumpmässiga stickprov – partiklar – som kollektivt representerar den fullständiga posteriorfördelningen av ett dolt tillstånd vid varje tidpunkt när nya observationer anländer.
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.
+25 more
Källor
- 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., Godsill, S. J., & Andrieu, C. (2000). On sequential Monte Carlo sampling methods for Bayesian filtering. Statistics and Computing, 10(3), 197–208. DOI: 10.1023/A:1008935410038 ↗
- Doucet, A., de Freitas, N., & Gordon, N. (Eds.). (2001). Sequential Monte Carlo Methods in Practice. Springer-Verlag. ISBN: 978-0-387-95146-1
Så citerar du den här sidan
ScholarGate. (2026, June 3). Particle Filter (Sequential Monte Carlo). ScholarGate. https://scholargate.app/sv/bayesian/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.
- Bayesiansk regressionBayesiansk statistik↔ compare
- KalmanfilterBayesiansk statistik↔ compare
- Markov Chain Monte Carlo (MCMC)Bayesiansk statistik↔ compare
- Tillståndsrumsmodell (Kalmanfilter)Ekonometri↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →