Dynamic Particle Filter
ตัวกรองอนุภาคแบบพลวัต (dynamic particle filter) คืออัลกอริทึมแบบ Monte Carlo เชิงลำดับ (sequential Monte Carlo algorithm) ที่ติดตามสถานะซ่อนเร้น (hidden state) ที่เปลี่ยนแปลงไปตามเวลา โดยการรักษาชุดตัวอย่างสุ่มที่มีน้ำหนัก — อนุภาค — แต่ละตัวแทนวิถีที่เป็นไปได้ เมื่อมีการสังเกตการณ์ใหม่เข้ามา น้ำหนักของอนุภาคจะถูกปรับปรุงผ่านฟังก์ชันความควรจะเป็น (likelihood) และชุดอนุภาคจะถูกสุ่มใหม่ (resampled) เพื่อรักษาการแสดงผลให้กระจุกตัวอยู่บริเวณสถานะที่มีความน่าจะเป็นสูงสุดในบริบทที่ไม่เป็นเชิงเส้นและไม่เป็นแบบเกาส์เซียนโดยสมบูรณ์
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- Doucet, A., de Freitas, N. & Gordon, N. (Eds.). (2001). Sequential Monte Carlo Methods in Practice. Springer. ISBN: 978-0387951461
- 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 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Dynamic Particle Filter for Sequential State Estimation. ScholarGate. https://scholargate.app/th/bayesian/dynamic-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.
- การอนุมานแบบเบย์เชิงพลวัตเบย์↔ compare
- Kalman Filterเบย์↔ compare
- Particle Filter (Sequential Monte Carlo)เบย์↔ compare
- Sequential Monte Carloเบย์↔ compare