Ієрархічний фільтр частинок
Ієрархічний фільтр частинок розширює послідовні Монте-Карло методи для моделей простір-час із множинними рівнями прихованих змінних. Частинки поширюються на кожному рівні ієрархії, дозволяючи методу одночасно відстежувати як динаміку стану з дрібними деталями, так і повільніше змінні гіперпараметри, забезпечуючи калібровані апостеріорні розподіли на всіх рівнях моделі.
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
- Briers, M., Doucet, A. & Maskell, S. (2010). Smoothing algorithms for state-space models. Annals of the Institute of Statistical Mathematics, 62(1), 61-89. DOI: 10.1007/s10463-009-0236-2 ↗
- Chopin, N., Jacob, P. E. & Papaspiliopoulos, O. (2013). SMC2: an efficient algorithm for sequential analysis of state-space models. Journal of the Royal Statistical Society: Series B, 75(3), 397-426. DOI: 10.1111/j.1467-9868.2012.01046.x ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Hierarchical Particle Filter. ScholarGate. https://scholargate.app/uk/bayesian/hierarchical-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.
- Ієрархічний байєсівський висновокБаєсові методи↔ compare
- Ієрархічний ланцюг Маркова Монте-КарлоБаєсові методи↔ compare
- Фільтр КалманаБаєсові методи↔ compare
- Фільтр частинок (послідовний Монте-Карло)Баєсові методи↔ compare
- Послідовний Монте-КарлоБаєсові методи↔ compare
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →