| rdfs:comment
| - 粒子フィルタ（りゅうしフィルタ、英: particle filter）や逐次モンテカルロ法 (ちくじモンテカルロほう、英: sequential Monte Carlo; SMC)とは、シミュレーションに基づく複雑なモデルの推定法である。1993年1月に北川源四郎がモンテカルロフィルタの名称で、1993年4月にN.J. Gordonらがブートストラップフィルタの名称で同時期に同じものを発表した。 この手法はふつうベイズモデルを推定するのに用いられ、バッチ処理であるマルコフ連鎖モンテカルロ法 (MCMC) の逐次 (オンライン) 版である。またこの手法は法にも似たところがある。うまく設計すると、粒子フィルタはMCMCよりも高速である。拡張カルマンフィルタや無香カルマンフィルタ (Unscented カルマンフィルタ) に比べて、サンプル点が十分多くなるとベイズ最適推定に近付くことからより高い精度の解が得られるので、これらの代わりに用いられることがある。また手法を組み合わせて、カルマンフィルタを粒子フィルタの提案分布として使うこともできる。 (ja)
- Filtr cząsteczkowy (sekwencyjna metoda Monte Carlo, SMC) – metoda nieliniowej filtracji, polegająca na oszacowaniu rozkładów prawdopodobieństwa docelowego przez rozkłady empiryczne, skupione na zestawie próbek zwanych cząsteczkami. Próbki wyznaczane są przez algorytm sekwencyjny, łączący metody losowania istotnego (ang. importance sampling) z technikami ponownego próbkowania (ang. resampling). Nazwę filtr cząsteczkowy zaproponował , natomiast sekwencyjną metodę Monte Carlo i , oba terminy używane są zamiennie. (pl)
- 粒子滤波器（英語：particle filter）是一种使用蒙特卡罗方法的递归滤波器，透过一组具有权重的随机样本（粒子）來表示隨機事件的後驗機率，從含有雜訊或不完整的觀測序列，估計出動態系統的狀態，粒子濾波器可以運用在任何狀態空間的模型上。粒子濾波器是卡爾曼濾波器的一般化方法，卡爾曼濾波器建立在線性的狀態空間和高斯分布的雜訊上；而粒子濾波器的狀態空間模型可以是非線性，且雜訊分布可以是任何型式。 (zh)
- El "filtro de partículas" es un método empleado para estimar el estado de un sistema que cambia a lo largo del tiempo. Más concretamente, es un método de Montecarlo (secuencial) usado comúnmente en visión artificial para el seguimiento de objetos en secuencias de imágenes. Posee cuatro etapas principales:
* Inicialización.
* Actualización.
* Estimación.
* Predicción. (es)
- Sequenzielle Monte-Carlo-Methoden (SMC-Methoden) gehören zur Klasse der stochastischen Verfahren zur Zustandsschätzung in einem dynamischen Prozess (z. B. in der mobilen Robotik), dessen Dynamik nur im statistischen Mittel bekannt ist (wesentliche Störgrößen) und der nur unvollständig beobachtet werden kann (Unterteilung in innere, verborgene und äußere, sichtbare Variable). Ein Anwendungsbeispiel ist die genaue und kontinuierlich aktualisierte Bestimmung des Ortes und der Geschwindigkeit eines Objektes aufgrund einer ungenauen und fehlerhaften Messung des Ortes (vgl. Tracking). SMC-Filter sind auch bekannt als Partikel-Filter, sampling importance resampling (SIR), sequential importance sampling (SIS), bootstrap filters, condensation trackers, interacting particle approximations oder survi (de)
- Particle filters, or sequential Monte Carlo methods, are a set of Monte Carlo algorithms used to solve filtering problems arising in signal processing and Bayesian statistical inference. The filtering problem consists of estimating the internal states in dynamical systems when partial observations are made and random perturbations are present in the sensors as well as in the dynamical system. The objective is to compute the posterior distributions of the states of a Markov process, given the noisy and partial observations. The term "particle filters" was first coined in 1996 by Del Moral about mean-field interacting particle methods used in fluid mechanics since the beginning of the 1960s. The term "Sequential Monte Carlo" was coined by Liu and Chen in 1998. (en)
- Les filtres particulaires, aussi connus sous le nom de méthodes de Monte-Carlo séquentielles, sont des techniques sophistiquées d'estimation de modèles fondées sur la simulation. Les filtres particulaires sont généralement utilisés pour estimer des réseaux bayésiens et constituent des méthodes 'en-ligne' analogues aux méthodes de Monte-Carlo par chaînes de Markov qui elles sont des méthodes 'hors-ligne' (donc a posteriori) et souvent similaires aux méthodes d'échantillonnage préférentiel. (fr)
- 파티클 필터(영어: Particle filter)는 시뮬레이션에 기반을 둔 예측기술의 하나로 계속적인 몬테카를로 방법이라고도 한다. 파티클 필터는 계량경제학에서 중요하게 쓰인다. 파티클 필터는 보통 베이즈 모델을 추정하기 위해 사용된다. 이는 잠재변수가 마르코프 연쇄로 서로 관련되어 있는 경우로 은닉 마르코프 모델(HMM)과 비슷하지만 보통 드러나지 않은 변수의 상태 공간이 연속적이고, 정확하게 추정할 수 있을 만큼 한정적이지 않다. 예를 들어, 선형 동적 시스템에서는, 잠재변수의 상태 공간이 가우스 분포에 한정되는데, 따라서 정확한 추정이 효과적으로 칼만 필터만으로 이루어질 수 있다. HMM, 그리고 관련된 모델의 맥락에서 보면, 필터링은 어떤 특정 시간에 잠재변수의 분포를 결정하되, 관측 값은 그 시간 까지만 주어진다; 파티클 필터라는 이름을 얻게 된 까닭은 근사값을 (아까 말한 의미에서) "필터링"하는데 한 무리의 (다른 가중치를 가진 분포의 예) "입자"를 사용하기 때문이다. (ko)
- Многочасти́чный фильтр (МЧФ, англ. particle filter — «фильтр частиц», «частичный фильтр», «корпускулярный фильтр») — последовательный метод Монте-Карло — рекурсивный алгоритм для численного решения проблем оценивания (фильтрации, сглаживания), особенно для нелинейных и не-гауссовских случаев. Со времени описания в 1993 году Н. Гордоном, Д. Салмондом и А. Смитом используется в различных областях — навигации, робототехнике, компьютерном зрении. Термин «particle filter» был дан Дел Моралом в 1996 году, а «sequential Monte Carlo» — Лю (Liu) и Ченом (Chen) в 1998. (ru)
|
![[cxml]](/fct/images/cxml_doc.png)
![[csv]](/fct/images/csv_doc.png)
![[text]](/fct/images/ntriples_doc.png)
![[turtle]](/fct/images/n3turtle_doc.png)
![[ld+json]](/fct/images/jsonld_doc.png)
![[rdf+json]](/fct/images/json_doc.png)
![[rdf+xml]](/fct/images/xml_doc.png)
![[atom+xml]](/fct/images/atom_doc.png)
![[html]](/fct/images/html_doc.png)
![[RDF Data]](/fct/images/sw-rdf-blue.png)