Particle Filter (Sequential Monte Carlo)
ตัวกรองอนุภาค (Particle Filter) ซึ่งแนะนำโดย Gordon, Salmond และ Smith ในปี 1993 เป็นอัลกอริทึมแบบ Sequential Monte Carlo ที่ประมาณการการแจกแจงการกรองแบบเบย์ (Bayesian filtering distribution) สำหรับแบบจำลองปริภูมิสถานะ (state-space models) ที่ไม่เป็นเชิงเส้นและไม่เป็นแบบเกาส์เซียน แทนที่จะติดตามค่าประมาณที่ดีที่สุดเพียงค่าเดียว มันจะรักษาชุดตัวอย่างสุ่มที่มีน้ำหนัก N ตัว — อนุภาค — ซึ่งโดยรวมแล้วแสดงถึงการแจกแจงภายหลัง (posterior distribution) ที่สมบูรณ์ของสถานะที่ซ่อนอยู่ ณ แต่ละจุดเวลา เมื่อมีการสังเกตการณ์ใหม่เข้ามา
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
+25 more
แหล่งอ้างอิง
- 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
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Particle Filter (Sequential Monte Carlo). ScholarGate. https://scholargate.app/th/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.
- การถดถอยแบบเบย์ (Bayesian Regression)เบย์↔ compare
- Kalman Filterเบย์↔ compare
- Markov Chain Monte Carlo (MCMC)เบย์↔ compare
- แบบจำลองปริภูมิสถานะ (ตัวกรองคาลมาน)เศรษฐมิติ↔ compare