Partikelfilter för tidsserier
Partikelfiltret för tidsserier är en Monte Carlo-metod (Sequential Monte Carlo, SMC) som följer den dolda tillståndet i en icke-linjär, icke-Gaussisk tillståndsrymdsmodell allteftersom nya observationer anländer en i taget. Den representerar den föränderliga posteriorfördelningen över det latenta tillståndet som en viktad moln av slumpmässiga stickprov (partiklar), och uppdaterar dem vid varje tidsteg genom propagering, sannolikhetsviktning och återstickning (resampling).
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
- 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
Så citerar du den här sidan
ScholarGate. (2026, June 3). Time Series Particle Filter (Sequential Monte Carlo for State-Space Models). ScholarGate. https://scholargate.app/sv/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.
- Dynamiskt Bayesianskt NätverkBayesiansk statistik↔ compare
- KalmanfilterBayesiansk statistik↔ compare
- Partikelfilter (sekventiell Monte Carlo)Bayesiansk statistik↔ compare
- Sekventiell Monte CarloBayesiansk statistik↔ compare
- Bayesiansk inferens för tidsserierBayesiansk statistik↔ compare
- Tidsserie KalmanfilterBayesiansk statistik↔ compare
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →