Bộ lọc hạt với dữ liệu thiếu
Một bộ lọc hạt được điều chỉnh cho các mô hình không gian trạng thái mà một số quan sát bị thiếu. Thuật toán theo dõi một trạng thái ẩn theo thời gian bằng cách sử dụng một đám mây các mẫu ngẫu nhiên có trọng số (hạt); khi một bước thời gian không có giá trị quan sát được, bước cập nhật trọng số đơn giản là bị bỏ qua, do đó các hạt lan truyền về phía trước chỉ bằng mô hình chuyển tiếp cho đến khi dữ liệu mới xuất hiện.
Đọc toàn bộ phương pháp
Đăng nhập bằng tài khoản miễn phí để đọc phần này.
Method map
The neighbourhood of related methods — select a node to explore.
Nguồn tài liệu
- Doucet, A., de Freitas, N. & Gordon, N. J. (Eds.) (2001). Sequential Monte Carlo Methods in Practice. Springer, New York. ISBN: 978-0387951461
- Doucet, A., Godsill, S. & Andrieu, C. (2000). On sequential Monte Carlo sampling methods for Bayesian filtering. Statistics and Computing, 10(3), 197-208. DOI: 10.1023/A:1008935410038 ↗
Cách trích dẫn trang này
ScholarGate. (2026, June 3). Sequential Monte Carlo Particle Filter for State-Space Models with Missing Observations. ScholarGate. https://scholargate.app/vi/bayesian/particle-filter-with-missing-data
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.
- Suy luận Bayes với dữ liệu thiếuBayes↔ compare
- Bộ lọc hạt độngBayes↔ compare
- Bộ lọc Kalman với Dữ liệu KhuyếtBayes↔ compare
- MCMC với dữ liệu thiếuBayes↔ compare
- Bộ lọc hạt (Monte Carlo tuần tự)Bayes↔ compare
- Monte Carlo Tuần tựBayes↔ compare
Được tham chiếu bởi
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →