Динамічний послідовний Монте-Карло
Динамічний послідовний Монте-Карло (Dynamic SMC) — це байєсівський обчислювальний метод, який підтримує та оновлює популяцію зважених вибірок — частинок — у міру надходження нових спостережень з часом. Він поширює частинки через модель динамічної системи, перезважує їх залежно від того, наскільки добре вони відповідають спостережуваним даним, і періодично проводить передискретизацію для концентрації зусиль на областях з високою ймовірністю, забезпечуючи онлайн-виведення апостеріорного розподілу для моделей простору станів та моделей, що еволюціонують у часі.
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
- Del Moral, P., Doucet, A. & Jasra, A. (2006). Sequential Monte Carlo samplers. Journal of the Royal Statistical Society: Series B, 68(3), 411–436. DOI: 10.1111/j.1467-9868.2006.00553.x ↗
- Doucet, A., de Freitas, N. & Gordon, N. (Eds.) (2001). Sequential Monte Carlo Methods in Practice. Springer. ISBN: 978-0387951461
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Dynamic Sequential Monte Carlo Sampler. ScholarGate. https://scholargate.app/uk/bayesian/dynamic-sequential-monte-carlo
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
- Гіббсівський відбір (Gibbs Sampling)Баєсові методи↔ compare
- Гамільтонів Монте-КарлоБаєсові 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 →