×
马滕·斯佩肯布里克

粒子过滤器教程。 （英语） Zbl 1396.91657号

数学杂志。精神病。 73, 140-152 (2016).
摘要：本教程旨在提供粒子过滤器的简单介绍，以及更广泛的顺序蒙特卡罗（SMC）。这些技术允许在复杂的动态状态空间模型中进行贝叶斯推理，并且在过去几十年中变得越来越流行。通过示例详细讨论了SMC顺序重要性抽样和重抽样的基本构建块。最后一个例子给出了一个粒子滤波器，用于估计概率类别学习任务中的时变学习率。

引用于三文件

MSC公司：

91E40型 心理学中的记忆和学习
65二氧化碳 蒙特卡罗方法
2015年1月62日 贝叶斯推断
62M20型 随机过程的推断与预测
第62页，共15页 统计学在心理学中的应用

关键词：

颗粒过滤器;序贯蒙特卡罗;状态空间模型;序贯贝叶斯推理

软件：

快速SLAM
PDF格式BibTeX公司 XML格式引用
\textit{M.Speekenbrink}，J.数学。精神病。73、140-152（2016；Zbl 1396.91657）
全文： 内政部 链接

参考文献：

[1] Amzal，B。；Bois，F.Y。；父母E。；Robert，C.P.，《通过相互作用粒子系统进行贝叶斯优化设计》，美国统计协会杂志，101773-785（2006）·Zbl 1119.62308号
[2] Andrieu，C。；Doucet，A。；Holenstein，R.，《粒子马尔可夫链蒙特卡罗方法》，《皇家统计学会杂志：B辑（统计方法）》，72，3，269-342（2010）·Zbl 1411.65020号
[3] 贝伦斯，T.E.J。；Woolrich，M.W。；Walton，M.E。；Rushworth，M.F.S.，《在不确定的世界中学习信息的价值》，《自然神经科学》，2007年第10期，第9期，第1214-1221页
[4] 布里尔斯，M。；Doucet，A。；Maskell，S.，状态空间模型的平滑算法，统计数学研究所年鉴，6261-89（2010）·Zbl 1422.62297号
[5] 布朗，S.D。；Steyvers，M.，《检测和预测变化》，认知心理学，5849-67（2009）
[6] Carpenter，J。；克利福德，P。；Fearnhead，P.，《非线性问题的改进粒子滤波器》，IEE论文集——雷达、声纳和导航，146，1，2-7（1999）
[7] 卡塞拉，G。；Robert，C.P.，Rao-blackwellisation of sampling schemes，生物统计学，83，1，81-94（1996）·Zbl 0866.62024号
[8] 卡塞拉，G。；Robert，C.P.，《接受-项目样品的后处理：回收和重标》，《计算与图形统计杂志》，7，2，139-157（1998）
[9] 陈，R。；Liu，J.S.，混合卡尔曼滤波器，英国皇家统计学会期刊：B系列（统计方法论），62，3，493-508（2000）·Zbl 0953.62100号
[10] 肖邦，N.，《静态模型的序贯粒子滤波方法》，《生物统计学》，89，3，539-552（2002）·Zbl 1036.62062号
[11] 肖邦，N.，序贯蒙特卡罗方法的中心极限定理及其在贝叶斯推断中的应用，《统计年鉴》，32，6，2385-2411（2004）·Zbl 1079.65006号
[12] 肖邦，N。；雅各布，体育。；Papaspiliopoulos，O.，Smc2：状态空间模型序列分析的有效算法，英国皇家统计学会杂志：B系列（统计方法论），75，397-426（2013）·Zbl 1411.62242号
[13] 克雷格，S。；Lewandowsky，S。；Little，D.R.，概率类别学习中的错误折扣。，实验心理学杂志。学习、记忆和认知，37、3、673-687（2011）
[14] Del Moral，P.，《非线性滤波：相互作用粒子分辨率》，马尔可夫过程及相关领域，2，4，555-581（1996）·Zbl 0879.60042号
[15] Del Moral，P.，蒙特卡洛积分的平均场模拟（2013），查普曼和霍尔/CRC出版社：查普曼和霍尔/CRC出版社伦敦·Zbl 1282.65011号
[16] 杜克，R。；O·卡佩。；Moulines，E.，《粒子滤波重采样方案的比较》，（第四届图像和信号处理与分析国际研讨会论文集。第四届国际图像和信号加工与分析研讨会论文集，ISPA 2005（2005），IEEE），64-69
[17] 杜克，R。；加里维尔，A。；Moulines，E。；Olsson，J.，一般状态空间隐马尔可夫模型的序贯蒙特卡罗平滑，应用概率年鉴，21，2109-2145（2011）·Zbl 1237.60026号
[18] 杜克，R。；Moulines，E.，加权样本的极限定理及其在序贯蒙特卡罗方法中的应用，《统计学年鉴》，36，5，2344-2376（2008）·Zbl 1155.62056号
[19] Doucet，A。；德弗里塔斯，N。；Gordon，N.，《序贯蒙特卡罗方法简介》（Doucet，A.；de Freitas，N.；Gordon and N.，序贯蒙特卡洛方法在实践中的应用（2001），Springer:Springer New York），3-14·Zbl 1056.93576号
[20] （Doucet，A.；de Freitas，N.；Gordon，N.，《序贯蒙特卡罗方法在实践中的应用》（2001），Springer:Springer New York）·Zbl 0967.00022号
[21] Doucet，A。；Johansen，A.M.，《粒子滤波与平滑教程：十五年后》（Crisan，D.；Rozovskii，B.，《牛津非线性滤波手册》（2011），牛津大学出版社：纽约牛津大学出版社），656-704·Zbl 1513.60043号
[22] 吉尔克斯，W.R。；Berzuini，C.，《追踪移动目标：动态贝叶斯模型的蒙特卡罗推断》，《皇家统计学会杂志》。B辑（统计方法），63，1，127-146（2001）·Zbl 0976.62021号
[23] 新泽西州戈登。；鲑鱼，D.P。；Smith，A.F.M.，非线性/非高斯贝叶斯状态估计的新方法，IEE Proceedings F-雷达和信号处理，140107-113（1993）
[24] Isard，M。；Blake，A.，用于视觉跟踪的冷凝条件密度传播，国际计算机视觉杂志，29，1，5-28（1998）
[25] Johansen，A.M。；Doucet，A。；Davy，M.，潜在变量模型中最大似然估计的粒子方法，统计与计算，18，1，47-57（2008）
[26] Kahn，H。；Marshall，A.W.，《蒙特卡罗计算中减少样本量的方法》，《美国运筹学会杂志》，第1期，第5期，第263-278页（1953年）·Zbl 1414.90373号
[27] Kalman，R.E.，《线性滤波和预测问题的新方法》，美国机械工程师学会学报，D辑，基础工程杂志，82，35-45（1960）
[28] 卡尔曼，R.E。；Bucy，R.S.，线性滤波和预测理论的新结果，美国机械工程师学会学报，D辑，基础工程杂志，83，95-108（1961）
[29] 坎塔斯，N。；Doucet，A。；辛格，S.S。；Maciejowski，J.M。；肖邦，N.，《关于一般状态空间模型中参数估计的粒子方法》，《统计科学》，30，3，328-351（2015）·Zbl 1332.62096号
[30] Kitagawa，G.，非高斯非线性状态空间模型的蒙特卡罗滤波器和平滑器，计算与图形统计学杂志，5，1-25（1996）
[31] 北川，G。；Sato，S.，《蒙特卡罗平滑和自组织状态空间模型》（Doucet，A.；de Freitas，J.F.G.；Gordon，N.J.，《序贯蒙特卡罗方法在实践中的应用》（2001），Springer:Springer New York），177-195·Zbl 1056.93581号
[32] Knowlton，B.J。；Squire，L.R。；Gluck，M.A.，健忘症中的概率分类学习，学习与记忆，1106-120（1994）
[33] Kruschke，J.K.，ALCOVE:基于范例的联结主义类别学习模型，《心理学评论》，99，22-44（1992）
[34] Liu，J.S.，科学计算中的蒙特卡罗策略（2001），Springer:Springer New York·Zbl 0991.65001号
[35] Liu，J.S。；Chen，R.，动态系统的序贯蒙特卡罗方法，美国统计协会杂志，93，443，1032-1044（1998）·Zbl 1064.65500号
[36] 刘杰。；West，M.，《基于模拟的滤波中的组合参数和状态估计》（Doucet，A.；de Freitas，N.；Gordon，N.，《序贯蒙特卡罗方法在实践中的应用》（2001），Springer:Springer New York，NY）·Zbl 1056.93583号
[37] 蒙特默罗，M。；特龙，S。；科勒，D。；Wegbreit，B.，Fasslam：同时定位和绘图问题的分解解决方案，（Dechter，R.；Kearns，M.；Sutton，R.，第十八届全国人工智能会议（2002年），美国人工智能协会：美国人工智能学会门罗公园，加利福尼亚州，美国），593-598
[38] Myung，J.I。；卡瓦尼亚罗，D.R。；Pitt，M.A.，《自适应设计优化教程》，《数学心理学杂志》，57，3-4，53-67（2013）·Zbl 1284.62478号
[39] Nummiaro，K。；科尔勒·梅耶，E。；Gool，L.V.，自适应基于颜色的粒子过滤器，图像和视觉计算，21，1，99-110（2003）
[40] 皮特，M.K。；Shephard，N.，通过模拟过滤：辅助粒子过滤器，美国统计协会杂志，94446590（1999）·Zbl 1072.62639号
[41] 罗伯特·C·P。；Casella，G.，Monte Carlo统计方法（2004），Springer:Springer New York·Zbl 1096.62003年
[42] Sanborn，A.N。；Griffiths，T.L。；Navarro，D.J.，《理性模型的理性近似：类别学习的替代算法》，《心理学评论》，117，4，1144-1167（2010）
[43] Speekenbrink，M。；钱农，S。；Shanks，D.R.，健忘症中的学习策略，神经科学和生物行为评论，32，292-310（2008）
[44] Speekenbrink，M。；Shanks，D.R.，《在变化的环境中学习》，《实验心理学杂志》。概述，139，2，266-298（2010）
[45] Van Zandt，T.，《如何拟合响应时间分布》，《心理学通报与评论》，第7期，第3期（2000年），第424-265页
[46] Visser，I.，《关于隐藏马尔可夫模型的七件事：时间序列马尔可夫模式教程》，《数学心理学杂志》，55，6，403-415（2011）·兹比尔1229.62128
[47] Whiteley，N.，一些粒子过滤器的稳定性，《应用概率年鉴》，23，6，2500-2537（2013）·Zbl 1296.60098号
[48] 北怀特利。；Johansen，A.M.，贝叶斯时间序列模型，52-81（2011），剑桥大学出版社：剑桥大学出版社，英国剑桥，Ch.Auxiliary particle filtering:Recent developments·Zbl 1416.62038号
[49] Yi，M.S。；Steyvers，M。；Lee，M.，《用粒子过滤器模拟不安分的强盗中的人类表现》，《问题解决杂志》，2009年第2期、第2期和第5期
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。