Послідовне Монте-Карло з похибкою вимірювання
Послідовне Монте-Карло (SMC) з похибкою вимірювання — це байєсівський метод фільтрації на основі частинок для відстеження прихованих станів у динамічних системах, коли спостереження спотворені шумом. Він поширює зважену хмару частинок у часі, оновлюючи ваги на кожному кроці, щоб відобразити, наскільки добре кожна частинка пояснює зашумлене вимірювання, і генерує повний апостеріорний розподіл прихованого стану в кожний момент часу.
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 New York. ISBN: 978-0-387-95146-1
- Cappe, O., Godsill, S. J., & Moulines, E. (2007). An overview of existing methods and recent advances in sequential Monte Carlo. Proceedings of the IEEE, 95(5), 899-924. DOI: 10.1109/JPROC.2007.893250 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Sequential Monte Carlo with Measurement Error. ScholarGate. https://scholargate.app/uk/bayesian/sequential-monte-carlo-with-measurement-error
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.
- Байєсівський висновок з похибкою вимірюванняБаєсові методи↔ compare
- Динамічний баєсівський висновокБаєсові методи↔ compare
- Фільтр Калмана з похибкою вимірюванняБаєсові методи↔ compare
- Метод Монте-Карло на основі Марковських ланцюгів (MCMC)Імітаційне моделювання↔ 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 →