MARC details
000 -Record Label |
fixed length control field |
02665nam a22003135i 4500 |
005 - Identificador da versão |
control field |
20240322115716.0 |
010 ## - ISBN - International Standard Book Number |
Número (ISBN) |
978-3-030-47845-2 |
Modalidade de aquisição e/ou preço |
compra |
100 ## - Entrada principal |
Dados gerais de processamento |
20231023d2020 k||y0pory50 ba |
101 0# - Língua do documento |
Língua do texto, banda sonora, etc. |
eng |
102 ## - País da publicação |
País de publicação |
Switzerland, Swiss Confederation |
Localidade de publicação |
Cham |
200 1# - Título |
Título próprio |
An introduction to sequential Monte Carlo |
Indicação geral da natureza do documento |
Documento eletrónico |
Primeira menção de responsabilidade |
Nicolas Chopin, Omiros Papaspiliopoulos |
210 ## - Local de edição |
Lugar da edição, distribuição, etc. |
Cham |
Nome do editor, distribuidor, etc. |
Springer International Publishing |
Data da publicação, distribuição, etc. |
2020 |
215 ## - Descrição física (Vol.pg.fl.tm.fsc) |
Descrição física |
XXIV, 378 p. |
Outras indicações físicas |
il. |
225 2# - Coleção |
Título próprio da colecção |
Springer Series in Statistics |
303 ## - Notas Informação descritiva |
Texto da nota |
This book provides a general introduction to Sequential Monte Carlo (SMC) methods, also known as particle filters. These methods have become a staple for the sequential analysis of data in such diverse fields as signal processing, epidemiology, machine learning, population ecology, quantitative finance, and robotics. The coverage is comprehensive, ranging from the underlying theory to computational implementation, methodology, and diverse applications in various areas of science. This is achieved by describing SMC algorithms as particular cases of a general framework, which involves concepts such as Feynman-Kac distributions, and tools such as importance sampling and resampling. This general framework is used consistently throughout the book. Extensive coverage is provided on sequential learning (filtering, smoothing) of state-space (hidden Markov) models, as this remains an important application of SMC methods. More recent applications, such as parameter estimation of these models (through e.g. particle Markov chain Monte Carlo techniques) and the simulation of challenging probability distributions (in e.g. Bayesian inference or rare-event problems), are also discussed. The book may be used either as a graduate text on Sequential Monte Carlo methods and state-space modeling, or as a general reference work on the area. Each chapter includes a set of exercises for self-study, a comprehensive bibliography, and a "Python corner," which discusses the practical implementation of the methods covered. In addition, the book comes with an open source Python library, which implements all the algorithms described in the book, and contains all the programs that were used to perform the numerical experiments. |
606 ## - Nome comum como assunto |
Elemento de entrada |
Statistics |
606 ## - Nome comum como assunto |
Elemento de entrada |
Big data |
606 ## - Nome comum como assunto |
Elemento de entrada |
System theory |
606 ## - Nome comum como assunto |
Elemento de entrada |
Mathematical statistics |
Subdivisão de assunto |
Data processing |
680 ## - Classificação Biblioteca Congresso |
Notação |
QA276-280 |
700 ## - Autor (resp. principal) |
Koha Internal Code |
73316 |
Palavra de ordem |
Chopin |
Outra parte do nome |
Nicolas |
701 ## - Co-responsabilidade principal |
Koha Internal Code |
73317 |
Palavra de ordem |
Papaspiliopoulos |
Outra parte do nome |
Omiros |
Código de função |
co-aut. |
801 #0 - Fonte de origem |
País |
Portugal |
Regras de catalogação |
RPC |
856 4# - URL Endereço WEB |
URL |
https://doi.org/10.1007/978-3-030-47845-2 |
942 ## - Elementos de entrada adicionados (Koha) |
Fonte da classificação ou esquema de estante |
Library of Congress Classification |
Tipo de item no Koha |
E-Books |
Suprimido |
0 |