Фільтр частинок (послідовний Монте-Карло)
Фільтр частинок, представлений Гордоном, Салмондом та Смітом у 1993 році, є алгоритмом послідовного Монте-Карло, який апроксимує байєсівське фільтраційне розподілення для нелінійних та негаусових моделей простір-стан. Замість відстеження однієї найкращої оцінки, він підтримує хмару з N зважених випадкових вибірок — частинок — які сукупно представляють повний апостеріорний розподіл прихованого стану в кожний момент часу, коли надходять нові спостереження.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
+25 more
Джерела
- 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 ↗
- Doucet, A., Godsill, S. J., & Andrieu, C. (2000). On sequential Monte Carlo sampling methods for Bayesian filtering. Statistics and Computing, 10(3), 197–208. DOI: 10.1023/A:1008935410038 ↗
- Doucet, A., de Freitas, N., & Gordon, N. (Eds.). (2001). Sequential Monte Carlo Methods in Practice. Springer-Verlag. ISBN: 978-0-387-95146-1
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Particle Filter (Sequential Monte Carlo). ScholarGate. https://scholargate.app/uk/bayesian/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.
- Байєсівська регресіяБаєсові методи↔ compare
- Фільтр КалманаБаєсові методи↔ compare
- Метод Монте-Карло на основі ланцюгів Маркова (MCMC)Баєсові методи↔ compare
- Модель простір-стан (фільтр Калмана)Економетрика↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →