Sequential Monte Carlo with Measurement Error
Sequential Monte Carlo (SMC) with measurement error เป็นวิธีการกรองแบบเบย์ (Bayesian filtering) ที่ใช้อนุภาค (particle-based) สำหรับการติดตามสถานะที่ซ่อนอยู่ (hidden states) ในระบบพลวัต (dynamical systems) เมื่อการสังเกตการณ์ (observations) ถูกรบกวนด้วยสัญญาณรบกวน (noise) วิธีการนี้จะทำการแพร่กระจายกลุ่มอนุภาคที่มีน้ำหนัก (weighted cloud of particles) ไปตามเวลา โดยปรับปรุงน้ำหนักในแต่ละขั้นตอนเพื่อสะท้อนว่าอนุภาคแต่ละตัวอธิบายการวัดที่มีสัญญาณรบกวนได้ดีเพียงใด และให้ผลลัพธ์เป็นการแจกแจงภายหลัง (posterior distribution) ที่สมบูรณ์เหนือสถานะแฝง (latent state) ณ ทุกจุดเวลา
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 New York. ISBN: 978-0-387-95146-1
- Cappe, O., Godsill, S. J., & Moulines, E. (2007). An overview of existing methods and recent advances in sequential Monte Carlo. Proceedings of the IEEE, 95(5), 899-924. DOI: 10.1109/JPROC.2007.893250 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Sequential Monte Carlo with Measurement Error. ScholarGate. https://scholargate.app/th/bayesian/sequential-monte-carlo-with-measurement-error
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.
- การอนุมานแบบเบย์เซียนร่วมกับความคลาดเคลื่อนในการวัดเบย์↔ compare
- การอนุมานแบบเบย์เชิงพลวัตเบย์↔ compare
- ตัวกรองคาลมานพร้อมความคลาดเคลื่อนของการวัดเบย์↔ compare
- Markov Chain Monte Carlo (MCMC)การจำลอง↔ compare
- Particle Filter (Sequential Monte Carlo)เบย์↔ compare
- Sequential Monte Carloเบย์↔ compare