Résultat d'un filtrage particulaire (courbe rouge) basé sur les données observées générées depuis la courbe bleue.
Les filtres particulaires, aussi connus comme Méthodes de Monte-Carlo séquentielles, sont des techniques sophistiquées d'estimation de modèles basées sur la simulation.
Les filtres particulaires sont généralement utilisés pour estimer des modèles Bayésiens et constituent les 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 d'importance.
S'ils sont conçus correctement, les filtres particulaires peuvent être plus rapides que les méthodes de Monte-Carlo par Chaînes de Markov. Ils constituent souvent une alternative aux filtres de Kalman étendus avec l'avantage qu'avec suffisamment d'échantillons, ils approchent l'estimé Bayésien optimal. Ils peuvent donc être rendus plus précis que les filtres de Kalman. Les approches peuvent aussi être combinées en utilisant un filtre de Kalman comme une proposition de distribution pour le filtre particulaire.
Cet article écrit par ces auteurs est issu de Wikipédia et est conforme aux termes de la GFDL.
Catégories : Algorithme numérique 
Filtre Statistiques
Page imprimée jeudi 17 mai 2012 à partir de l'url :
« http://www.science-et-vie.net/definition-filtre-particulaire-statistique-666.html »
Site déclaré à la Commission Nationale de l'Informatique et des Libertés (CNIL) sous le n°871314
© 2002-2012 www.science-et-vie.net