> ML_ALGORITHM // PARTICLE-FILTERING-SEQUENTIAL-MONTE-CARLO_v1.0

Parçacık Filtreleme (Sıralı Monte Carlo / SMC)

Doğrusal olmayan bir dinamik sistemin durumlarını zaman içinde ağırlıklı örneklerden oluşan bir popülasyonu izleyerek tahmin eden Sıralı Monte Carlo tekniği.

State Space Dynamic Estimationbayesian-probabilistichigh-intrinsicsmall (<1k)

Tüm Algoritmalara Dön

Hesaplama Karmaşıklığı

Eğitim (Training):Online sequential recursion

Çıkarım (Inference):O(particles * state_dim)

Donanım Karakteristiği

CPU Uygunluğu:Evet

GPU Zorunluluğu:Hayır

Bellek Ayak İzi:low

Açıklanabilirlik ve Veri

Açıklanabilirlik Düzeyi:high-intrinsic

Eğitim Verisi İhtiyacı:small (<1k)

Açıklanabilirlik Değerlendirmesi

Parçacık bulutu, ajanın konumu üzerindeki kesin çok modlu sonsal inancı gerçek zamanlı olarak temsil eder.

Uygun Görevler ve Desteklenen Modaliteler

Uygun Görevler:

state estimationrobot localizationsensor fusion

Desteklenen Modaliteler:

time-seriesspatial

Uygulayıcı Kütüphaneler

filterpy

SciPySciPy Community / NumFOCUS · v1.14.1

İncele

Temel Literatür & Yayınlar

Sık Karşılaşılan Hatalar ve Dikkat Edilmesi Gerekenler

Birkaçı dışındaki tüm parçacıkların önemsiz ağırlık aldığı parçacık tükenmesi (ESS eşiğin altına düştüğünde yeniden örnekleme gerektirir)