کتاب از Particle Filtering تا Particle MCMC: یکپارچه‌سازی روش‌ها

انتخاب پلن

افزودنی‌های اختیاری

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .


ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره از Particle Filtering تا Particle MCMC: یکپارچه‌سازی روش‌ها

موضوع کلی: روش‌های نمونه‌گیری مونت‌کارلو مارکوف (MCMC) در آمار بیزی

موضوع میانی: Particle MCMC (PMCMC)

📋 سرفصل‌های دوره

  • 1. مبانی مدل‌های حالت‌فضا در آمار بیزی
  • 2. تعریف فرایندهای حالت پنهان و مشاهدات
  • 3. فرمول‌بندی مدل‌های حالت‌فضا به صورت احتمالاتی
  • 4. فیلتر بیزی و محاسبه توزیع حالت
  • 5. پیش‌بینی و به‌روزرسانی در فیلتر بیزی
  • 6. چالش‌های استنباط در مدل‌های غیرخطی و غیرگاوسی
  • 7. معرفی Particle Filtering و ایده اصلی آن
  • 8. نمایش توزیع حالت با ذرات و وزن‌ها
  • 9. اهمیت نمونه‌گیری اهمیت در Particle Filter
  • 10. محاسبه وزن‌های ذرات
  • 11. نرمال‌سازی وزن‌ها در فیلتر ذره‌ای
  • 12. گام پیش‌بینی در Particle Filter
  • 13. گام به‌روزرسانی با داده مشاهده‌شده
  • 14. معیارهای تشخیص افت تنوع ذرات
  • 15. Degeneracy و اثر آن بر کیفیت تخمین
  • 16. معرفی Resampling و ضرورت آن
  • 17. Multinomial Resampling در Particle Filtering
  • 18. Systematic Resampling
  • 19. Stratified Resampling
  • 20. مقایسه روش‌های مختلف Resampling
  • 21. انتخاب زمان مناسب برای Resampling
  • 22. تأثیر تعداد ذرات بر دقت و هزینه محاسباتی
  • 23. Particle Filter با تعداد ذرات متغیر
  • 24. Bootstrap Particle Filter
  • 25. Particle Filter برای مدل‌های غیرخطی
  • 26. Particle Filter برای مدل‌های غیرگاوسی
  • 27. ارزیابی دقت تخمین حالت با Particle Filter
  • 28. بررسی خطای Monte Carlo در فیلتر ذره‌ای
  • 29. Likelihood Estimation با Particle Filter
  • 30. برآورد شواهد و احتمال حاشیه‌ای با ذرات
  • 31. محدودیت‌های Particle Filter در استنباط پارامترها
  • 32. استنباط پارامترهای ثابت در مدل‌های حالت‌فضا
  • 33. چالش ناشی از وابستگی زمانی پارامترها و حالت‌ها
  • 34. Particle Learning برای مدل‌های حالت‌فضا
  • 35. Particle Smoothing و تفاوت آن با Filtering
  • 36. Forward Filtering و Backward Smoothing
  • 37. Particle Smoother برای استنباط مسیر حالت
  • 38. معرفی Particle MCMC و انگیزه یکپارچه‌سازی روش‌ها
  • 39. رابطه Particle Filtering و MCMC
  • 40. ایده اصلی ترکیب تخمین‌گر ذره‌ای likelihood با MCMC
  • 41. شرایط استفاده از تخمین‌گر likelihood در Pseudo-Marginal MCMC
  • 42. Pseudo-Marginal MCMC و نقش آن در PMCMC
  • 43. Unbiased Likelihood Estimation با Particle Filter
  • 44. اهمیت برآوردگر بدون اریب در Particle MCMC
  • 45. ساختار کلی الگوریتم‌های PMCMC
  • 46. خانواده روش‌های Particle MCMC
  • 47. Particle Marginal Metropolis-Hastings
  • 48. مراحل اجرای Particle Marginal Metropolis-Hastings
  • 49. طراحی پیشنهاد برای پارامترهای مدل در PMMH
  • 50. محاسبه نسبت پذیرش در PMMH
  • 51. نقش تعداد ذرات در نرخ پذیرش PMMH
  • 52. اثر واریانس تخمین likelihood بر کارایی PMMH
  • 53. تطبیق تعداد ذرات با مقیاس مسئله
  • 54. Particle Gibbs و ایده نمونه‌گیری گیبس با ذرات
  • 55. Conditional Particle Filter
  • 56. Conditional Sequential Monte Carlo
  • 57. نمونه‌گیری مسیر مرجع در Particle Gibbs
  • 58. Particle Gibbs with Ancestor Sampling
  • 59. مقایسه PMMH و Particle Gibbs
  • 60. انتخاب الگوریتم PMCMC بر اساس ساختار مدل
  • 61. Particle Gibbs برای مدل‌های با مسیر حالت طولانی
  • 62. Particle Independent Metropolis-Hastings
  • 63. ترکیب MCMC روی پارامترها و Particle Filtering روی حالت‌ها
  • 64. Joint و Marginal Inference در PMCMC
  • 65. مقایسه استنباط پارامتر و استنباط حالت در PMCMC
  • 66. تشخیص و مدیریت Degeneracy در PMCMC
  • 67. نقش Resampling در عملکرد الگوریتم‌های PMCMC
  • 68. بهبود کارایی PMCMC با بازپارامتردهی
  • 69. تنظیم تعداد ذرات برای اجرای کارآمد
  • 70. موازنه دقت و هزینه محاسباتی در PMCMC
  • 71. موازی‌سازی محاسبات Particle Filtering
  • 72. مدیریت حافظه در الگوریتم‌های PMCMC
  • 73. ارزیابی همگرایی زنجیره‌های PMCMC
  • 74. تشخیص Autocorrelation در نمونه‌های PMCMC
  • 75. محاسبه Effective Sample Size در PMCMC
  • 76. مقایسه زمان اجرا و کیفیت نمونه‌گیری
  • 77. طراحی آزمایش شبیه‌سازی برای مقایسه PF و PMCMC
  • 78. مطالعه موردی PMMH در مدل حالت‌فضای غیرخطی
  • 79. مطالعه موردی Particle Gibbs در مدل دینامیکی
  • 80. پیاده‌سازی Particle Filter از صفر
  • 81. پیاده‌سازی PMMH با Particle Filter
  • 82. پیاده‌سازی Particle Gibbs و Conditional Particle Filter
  • 83. اشکال‌زدایی خطاهای عددی در Particle MCMC
  • 84. تحلیل حساسیت نتایج نسبت به تعداد ذرات
  • 85. راهبرد انتخاب روش برای مسائل واقعی استنباط بیزی
  • 86. یکپارچه‌سازی کامل Filtering، Smoothing و PMCMC

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .


ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.