Bộ lọc hạt phân cấp
Bộ lọc hạt phân cấp mở rộng phương pháp Monte Carlo tuần tự (Sequential Monte Carlo) cho các mô hình không gian trạng thái với nhiều cấp độ biến tiềm ẩn. Các hạt được truyền qua từng cấp độ của hệ thống phân cấp, cho phép phương pháp này theo dõi đồng thời cả động lực trạng thái chi tiết và các siêu tham số thay đổi chậm hơn, mang lại các phân phối hậu nghiệm được hiệu chỉnh trên tất cả các cấp độ của mô hình.
Đọc toàn bộ phương pháp
Đăng nhập bằng tài khoản miễn phí để đọc phần này.
Bản đồ phương pháp
Lân cận của các phương pháp liên quan — chọn một nút để khám phá.
Nguồn tài liệu
- 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 ↗
Cách trích dẫn trang này
ScholarGate. (2026, June 3). Hierarchical Particle Filter. ScholarGate. https://scholargate.app/vi/bayesian/hierarchical-particle-filter
Phương pháp nào?
Đặt phương pháp này bên cạnh những phương pháp gần gũi nhất với nó và đọc chúng song song — thư viện bày sách lên bàn; lựa chọn là của bạn.
- Suy luận Bayes phân cấpBayes↔ so sánh
- Markov Chain Monte Carlo phân cấpBayes↔ so sánh
- Bộ lọc KalmanBayes↔ so sánh
- Bộ lọc hạt (Monte Carlo tuần tự)Bayes↔ so sánh
- Monte Carlo Tuần tựBayes↔ so sánh
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →