Фільтр частинок для часових рядів
Фільтр частинок для часових рядів — це метод послідовного Монте-Карло, який відстежує прихований стан нелінійної, неґаусової моделі простір-стан у міру надходження нових спостережень по одному. Він представляє еволюціонуючий апостеріорний розподіл над латентним станом як зважену хмару випадкових вибірок (частинок), оновлюючи їх на кожному часовому кроці шляхом поширення, зважування за правдоподібністю та передискретизації.
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
- 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., 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). Time Series Particle Filter (Sequential Monte Carlo for State-Space Models). ScholarGate. https://scholargate.app/uk/bayesian/time-series-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.
- Динамічна байєсівська мережаБаєсові методи↔ compare
- Фільтр КалманаБаєсові методи↔ compare
- Фільтр частинок (послідовний Монте-Карло)Баєсові методи↔ compare
- Послідовний Монте-КарлоБаєсові методи↔ compare
- Байєсівський вивід для часових рядівБаєсові методи↔ compare
- Кальманівський фільтр для часових рядівБаєсові методи↔ compare
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →