Monte Carlo tuần tự với dữ liệu thiếu
Monte Carlo tuần tự (SMC) với dữ liệu thiếu mở rộng bộ lọc hạt tiêu chuẩn cho các mô hình không gian trạng thái mà trong đó một số quan sát bị thiếu. Khi một quan sát bị thiếu tại một bước thời gian nhất định, bước cập nhật đơn giản là bị bỏ qua: các hạt được truyền đi về phía trước thông qua mô hình chuyển tiếp mà không cần tái trọng số, duy trì suy luận Bayes chính xác dưới bất kỳ mẫu dữ liệu thiếu nào miễn là việc thiếu dữ liệu có thể bỏ qua (thiếu ngẫu nhiên hoặc thiếu hoàn toàn ngẫu nhiên).
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. (Eds.) (2001). Sequential Monte Carlo Methods in Practice. Springer, New York. ISBN: 978-0387951461
- Chopin, N., & Papaspiliopoulos, O. (2020). An Introduction to Sequential Monte Carlo. Springer, Cham. DOI: 10.1007/978-3-030-47845-2 ↗
Cách trích dẫn trang này
ScholarGate. (2026, June 3). Sequential Monte Carlo with Missing Data. ScholarGate. https://scholargate.app/vi/bayesian/sequential-monte-carlo-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
- Dynamic Sequential Monte CarloBayes↔ compare
- Gibbs Sampling với Dữ liệu ThiếuBayes↔ compare
- Bộ lọc Kalman với Dữ liệu KhuyếtBayes↔ 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 →