Sequential Monte Carlo

释义 Definition

序贯蒙特卡洛（SMC）：一类用于随时间递推地近似复杂概率分布的随机计算方法，常通过一组带权重的“粒子（particles）”来表示分布，并在新数据到来时进行预测、更新与重采样。最常见的形式是粒子滤波（particle filter）。该术语也可泛指一系列相关的序贯抽样算法。

发音 Pronunciation (IPA)

/sɪˈkwɛnʃəl ˈmɒnti ˈkɑːrloʊ/

例句 Examples

Sequential Monte Carlo methods are often used to track a moving object from noisy sensor data.
序贯蒙特卡洛方法常用于从含噪传感器数据中跟踪移动物体。

In Bayesian inference for state-space models, Sequential Monte Carlo approximates the filtering distribution by propagating and resampling weighted particles as observations arrive.
在状态空间模型的贝叶斯推断中，序贯蒙特卡洛会在观测数据逐步到来时，通过传播并重采样带权粒子来近似滤波分布。

词源 Etymology

Sequential 来自拉丁语词根 sequi（“跟随、依次”），强调“按时间/步骤递进”。Monte Carlo 指“蒙特卡洛”，源于摩纳哥的蒙特卡洛地区（以赌场闻名），早期用于形容“像赌博一样依赖随机抽样”的计算方法；合起来即“按序递推的随机抽样计算”。

相关词 Related Words

• Bayesian
• Filtering
• Importance
• Markov
• Monte
• Particle
• Resampling
• State-Space

文学与著作中的用例 Literary Works

• Doucet, de Freitas & Gordon (eds.). Sequential Monte Carlo Methods in Practice (2001)
• Gordon, Salmond & Smith. “Novel approach to nonlinear/non-Gaussian Bayesian state estimation” (1993)（经典粒子滤波/SMC论文）
• Del Moral. Feynman-Kac Formulae: Genealogical and Interacting Particle Systems with Applications (2004)
• Andrieu, Doucet & Holenstein. “Particle Markov chain Monte Carlo methods” (2010)