論文の概要: Multiplicative Gaussian Particle Filter
- arxiv url: http://arxiv.org/abs/2003.00218v1
- Date: Sat, 29 Feb 2020 09:19:38 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-27 20:18:11.561692
- Title: Multiplicative Gaussian Particle Filter
- Title(参考訳): 乗法ガウス粒子フィルタ
- Authors: Xuan Su, Wee Sun Lee, Zhen Zhang
- Abstract要約: フィルタ問題における近似推論のためのサンプリングに基づく新しい手法を提案する。
有限個の状態からなる条件分布を粒子フィルタで近似するのではなく、連続関数の集合から重み付けされた関数の和で分布を近似する。
- 参考スコア(独自算出の注目度): 18.615555573235987
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We propose a new sampling-based approach for approximate inference in
filtering problems. Instead of approximating conditional distributions with a
finite set of states, as done in particle filters, our approach approximates
the distribution with a weighted sum of functions from a set of continuous
functions. Central to the approach is the use of sampling to approximate
multiplications in the Bayes filter. We provide theoretical analysis, giving
conditions for sampling to give good approximation. We next specialize to the
case of weighted sums of Gaussians, and show how properties of Gaussians enable
closed-form transition and efficient multiplication. Lastly, we conduct
preliminary experiments on a robot localization problem and compare performance
with the particle filter, to demonstrate the potential of the proposed method.
- Abstract(参考訳): フィルタリング問題における近似推論のための新しいサンプリングベース手法を提案する。
有限個の状態からなる条件分布を粒子フィルタで近似するのではなく、連続関数の集合から重み付けされた関数の和で分布を近似する。
このアプローチの中心は、ベイズフィルタの近似乗法にサンプリングを使用することである。
我々は, 適切な近似を与えるためのサンプリング条件を与える理論解析を行う。
次に、ガウスの重み付き和の場合に特化し、ガウスの性質が閉形式遷移と効率的な乗法を可能にすることを示す。
最後に,ロボットの局所化問題に関する予備実験を行い,粒子フィルタの性能を比較し,提案手法の可能性を示す。
関連論文リスト
- Closed-form Filtering for Non-linear Systems [83.91296397912218]
我々は密度近似と計算効率の面でいくつかの利点を提供するガウスPSDモデルに基づく新しいフィルタのクラスを提案する。
本研究では,遷移や観測がガウスPSDモデルである場合,フィルタリングを効率的にクローズド形式で行うことができることを示す。
提案する推定器は, 近似の精度に依存し, 遷移確率の正則性に適応する推定誤差を伴って, 高い理論的保証を享受する。
論文 参考訳(メタデータ) (2024-02-15T08:51:49Z) - Nonlinear Filtering with Brenier Optimal Transport Maps [4.745059103971596]
本稿では,非線形フィルタリング,すなわち動的システムの状態の条件分布の計算の問題について述べる。
従来の逐次重要再サンプリング(SIR)粒子フィルタは、縮退確率や高次元状態を含むシナリオにおいて、基本的な制限に悩まされる。
本稿では,Brenier 最適輸送 (OT) マップを,現在の状態の分布から次のステップにおける後部分布へ推定する手法について検討する。
論文 参考訳(メタデータ) (2023-10-21T01:34:30Z) - Noise-Free Sampling Algorithms via Regularized Wasserstein Proximals [3.4240632942024685]
ポテンシャル関数が支配する分布からサンプリングする問題を考察する。
本研究は, 決定論的な楽譜に基づくMCMC法を提案し, 粒子に対する決定論的進化をもたらす。
論文 参考訳(メタデータ) (2023-08-28T23:51:33Z) - Sampling with Mollified Interaction Energy Descent [57.00583139477843]
モーフィファイド相互作用エネルギー降下(MIED)と呼ばれる新しい最適化に基づくサンプリング手法を提案する。
MIEDは、モル化相互作用エネルギー(MIE)と呼ばれる確率測度に関する新しいクラスのエネルギーを最小化する
我々は,制約のないサンプリング問題に対して,我々のアルゴリズムがSVGDのような既存の粒子ベースアルゴリズムと同等に動作することを示す。
論文 参考訳(メタデータ) (2022-10-24T16:54:18Z) - Continuous-time Particle Filtering for Latent Stochastic Differential
Equations [37.51802583388233]
本稿では,粒子フィルタを連続時間領域に拡張した連続潜時粒子フィルタを提案する。
本研究では, 連続潜時粒子フィルタが, 学習した変動後部に依存した推論手法の汎用的なプラグイン代替として利用できることを示す。
論文 参考訳(メタデータ) (2022-09-01T01:05:31Z) - Computational Doob's h-transforms for Online Filtering of Discretely
Observed Diffusions [65.74069050283998]
本研究では,Doobの$h$-transformsを近似する計算フレームワークを提案する。
提案手法は、最先端粒子フィルタよりも桁違いに効率的である。
論文 参考訳(メタデータ) (2022-06-07T15:03:05Z) - Variational Transport: A Convergent Particle-BasedAlgorithm for Distributional Optimization [106.70006655990176]
分散最適化問題は機械学習や統計学で広く発生する。
本稿では,変分輸送と呼ばれる粒子に基づく新しいアルゴリズムを提案する。
目的関数がpolyak-Lojasiewicz (PL) (Polyak, 1963) の機能バージョンと滑らかな条件を満たすとき、変分輸送は線形に収束することを示す。
論文 参考訳(メタデータ) (2020-12-21T18:33:13Z) - Pathwise Conditioning of Gaussian Processes [72.61885354624604]
ガウス過程後部をシミュレーションするための従来のアプローチでは、有限個の入力位置のプロセス値の限界分布からサンプルを抽出する。
この分布中心の特徴づけは、所望のランダムベクトルのサイズで3次スケールする生成戦略をもたらす。
条件付けのこのパスワイズ解釈が、ガウス過程の後部を効率的にサンプリングするのに役立てる近似の一般族をいかに生み出すかを示す。
論文 参考訳(メタデータ) (2020-11-08T17:09:37Z) - Innovative And Additive Outlier Robust Kalman Filtering With A Robust
Particle Filter [68.8204255655161]
提案するCE-BASSは, 粒子混合カルマンフィルタであり, 革新的および付加的両方の外れ値に対して堅牢であり, 隠蔽状態の分布における多モード性を完全に捉えることができる。
さらに、CE-BASSは過去の状態を再サンプリングすることで、トレンドの変化のような観測ですぐには見えない革新的な外れ値を扱うことができる。
論文 参考訳(メタデータ) (2020-07-07T07:11:09Z) - Approximating Posterior Predictive Distributions by Averaging Output
From Many Particle Filters [0.0]
本稿では, it Particle Swarm filter(粒子群最適化と混同しないように)を紹介する。
多くの粒子フィルタからの予測近似を平均化することにより、後続の予測分布の列への近似を目標とする。
大数の法則と中心極限定理、およびボラティリティモデルからのシミュレーションデータの数値的研究が提供される。
論文 参考訳(メタデータ) (2020-06-27T16:14:02Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。