Partikelfilter oder sequentielle Monte-Carlo-Methoden sind eine Reihe von Monte-Carlo-Algorithmen, die verwendet werden, um Naherungslosungen fur Filterprobleme fur nichtlineare Zustandsraume zu finden Systeme wie Signalverarbeitung und Bayes'sche statistische Inferenz. Das Filterproblem besteht darin, die internen Zustande in dynamischen Systemen abzuschatzen, wenn Teilbeobachtungen durchgefuhrt werden und zufallige Storungen sowohl in den Sensoren als auch im dynamischen System vorhanden sind. Das Ziel besteht darin, die Posteriorverteilungen der Zustande eines Markov-Prozesses unter Berucksichtigung der verrauschten und partiellen Beobachtungen zu berechnen. Der Begriff Partikelfilter" wurde erstmals 1996 von Pierre Del Moral gepragt und bezieht sich auf Methoden der Mittelfeldwechselwirkung von Partikeln, die seit Anfang der 1960er Jahre in der Stromungsmechanik eingesetzt werden. Der Begriff Sequential Monte Carlo" wurde 1998 von Jun S. Liu und Rong Chen gepragt.
Wie Sie profitieren
(I) Einblicke, und Validierungen zu den folgenden Themen:
Kapitel 1: Partikelfilter
Kapitel 2: Bedeutungsprobenahme
Kapitel 3: Punktprozess
Kapitel 4: Fokker-Planck-Gleichung
Kapitel 5: Wiener-Lemma
Kapitel 6: Klein-Kramers-Gleichung
Kapitel 7: Mean-Field-Partikelmethoden
Kapitel 8: Dirichlet-Kernel
Kapitel 9: Verallgemeinerte Pareto-Verteilung
Kapitel 10: Superprozess
(II) Beantwortung der offentlichen Top-Fragen zu Partikelfilter.
(III) Beispiele aus der Praxis fur den Einsatz von Partikelfiltern in vielen Bereichen.
Fur wen dieses Buch gedacht ist
Profis, Studenten und Doktoranden, Enthusiasten, Hobbyisten und diejenigen, die uber das Grundwissen oder die Informationen zu Partikelfiltern jeglicher Art hinausgehen mochten.