Autumn school in Bayesian Statistics / École d'automne en statistique bayésienne

Collection Autumn school in Bayesian Statistics / École d'automne en statistique bayésienne

Organisateur(s) Arbel, Julyan ; Etienne, Marie-Pierre ; Filippi, Sarah ; Kon Kam King, Guillaume ; Ryder, Robin ; Ancelet, Sophie ; Bardenet, Rémi ; Bonnet, Anna ; Jacob, Pierre
Date(s) 30/10/2023 - 03/11/2023
URL associée https://conferences.cirm-math.fr/2881.html
00:00:00 / 00:00:00
1 5

This course will provide a general introduction to SMC algorithms, from basic particle filters and their uses in state-space (hidden Markov) modelling in various areas, to more advanced algorithms such as SMC samplers, which may be used to sample from one, or several target distributions. The course will cover “a bit of everything”: theory (using Feynman-Kac models as a general framework), methodology (how to construct better algorithms in practice), implementation (examples in Python based on the library particles will be showcased), and applications.

Informations sur la vidéo

Données de citation

  • DOI 10.24350/CIRM.V.20107303
  • Citer cette vidéo Chopin, Nicolas (30/10/2023). An introduction to state-space models, particle filters, and Sequential Monte Carlo samplers - Part 1. CIRM. Audiovisual resource. DOI: 10.24350/CIRM.V.20107303
  • URL https://dx.doi.org/10.24350/CIRM.V.20107303

Domaine(s)

Bibliographie

Dernières questions liées sur MathOverflow

Pour poser une question, votre compte Carmin.tv doit être connecté à mathoverflow

Poser une question sur MathOverflow




Inscrivez-vous

  • Mettez des vidéos en favori
  • Ajoutez des vidéos à regarder plus tard &
    conservez votre historique de consultation
  • Commentez avec la communauté
    scientifique
  • Recevez des notifications de mise à jour
    de vos sujets favoris
Donner son avis