Динамічний фільтр частинок
Динамічний фільтр частинок — це послідовний алгоритм Монте-Карло, який відстежує еволюціонуючий прихований стан з часом, підтримуючи популяцію зважених випадкових вибірок — частинок — кожна з яких представляє правдоподібну траєкторію. З надходженням нових спостережень ваги частинок оновлюються за допомогою функції правдоподібності, а популяція передискретизується, зберігаючи представлення сконцентрованим на найбільш ймовірних областях стану в повністю нелінійному та негауссовому середовищі.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
Джерела
- 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 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Dynamic Particle Filter for Sequential State Estimation. ScholarGate. https://scholargate.app/uk/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.
- Динамічний баєсівський висновокБаєсові методи↔ compare
- Фільтр КалманаБаєсові методи↔ compare
- Фільтр частинок (послідовний Монте-Карло)Баєсові методи↔ compare
- Послідовний Монте-КарлоБаєсові методи↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →