การคำนวณแบบเบย์เชิงประมาณอนุกรมเวลา
Time series ABC เป็นวิธีการอนุมานแบบเบย์ที่ไม่ต้องใช้ฟังก์ชันความควรจะเป็น (likelihood-free) ซึ่งประมาณการแจกแจงภายหลัง (posterior distribution) ของพารามิเตอร์แบบจำลองสำหรับระบบพลวัตหรือระบบที่จัดลำดับตามเวลา โดยการเปรียบเทียบสถิติสรุปของวิถีจำลอง (simulated trajectories) กับสถิติสรุปของอนุกรมเวลาที่สังเกตได้ ซึ่งช่วยข้ามความจำเป็นในการประเมินฟังก์ชันความควรจะเป็นเชิงวิเคราะห์ วิธีนี้มีคุณค่าอย่างยิ่งสำหรับแบบจำลองเชิงกลไกหรือแบบจำลองสุ่มที่ซับซ้อนซึ่งฟังก์ชันความควรจะเป็นไม่สามารถคำนวณได้
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- Toni, T., Welch, D., Strelkowa, N., Ipsen, A. & Stumpf, M. P. H. (2009). Approximate Bayesian computation scheme for parameter inference and model selection in dynamical systems. Journal of the Royal Society Interface, 6(31), 187–202. DOI: 10.1098/rsif.2008.0172 ↗
- Sisson, S. A., Fan, Y. & Beaumont, M. A. (Eds.) (2018). Handbook of Approximate Bayesian Computation. CRC Press. ISBN: 978-1439881507
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Time Series Approximate Bayesian Computation. ScholarGate. https://scholargate.app/th/bayesian/time-series-approximate-bayesian-computation
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.
- การคำนวณแบบเบย์เชิงประมาณการจำลอง↔ compare
- การอนุมานแบบเบย์เชิงพลวัตเบย์↔ compare
- Kalman Filterเบย์↔ compare
- Particle Filter (Sequential Monte Carlo)เบย์↔ compare
- Sequential Monte Carloเบย์↔ compare
- การอนุมานแบบเบย์สำหรับอนุกรมเวลาเบย์↔ compare