論文の概要: Ensemble Kalman Variational Objectives: Nonlinear Latent Trajectory
Inference with A Hybrid of Variational Inference and Ensemble Kalman Filter
- arxiv url: http://arxiv.org/abs/2010.08729v2
- Date: Tue, 9 Nov 2021 08:09:48 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-06 11:38:37.920863
- Title: Ensemble Kalman Variational Objectives: Nonlinear Latent Trajectory
Inference with A Hybrid of Variational Inference and Ensemble Kalman Filter
- Title(参考訳): アンサンブルカルマン変分対象:変分推論とアンサンブルカルマンフィルタのハイブリッドを用いた非線形潜在軌道推定
- Authors: Tsuyoshi Ishizone, Tomoyuki Higuchi, Kazuyuki Nakamura
- Abstract要約: 状態空間モデル(SSM)を推論するために,Ensemble Kalman Variational Objective (EnKO)を提案する。
提案手法は, 粒子の多様性と非バイアス勾配推定器により, 潜時力学を効率的に同定することができる。
我々は,3つのベンチマーク非線形システム識別タスクにおいて,予測能力および粒子効率の観点から,EnKOがSMC法より優れていることを示す。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Variational inference (VI) combined with Bayesian nonlinear filtering
produces state-of-the-art results for latent time-series modeling. A body of
recent work has focused on sequential Monte Carlo (SMC) and its variants, e.g.,
forward filtering backward simulation (FFBSi). Although these studies have
succeeded, serious problems remain in particle degeneracy and biased gradient
estimators. In this paper, we propose Ensemble Kalman Variational Objective
(EnKO), a hybrid method of VI and the ensemble Kalman filter (EnKF), to infer
state space models (SSMs). Our proposed method can efficiently identify latent
dynamics because of its particle diversity and unbiased gradient estimators. We
demonstrate that our EnKO outperforms SMC-based methods in terms of predictive
ability and particle efficiency for three benchmark nonlinear system
identification tasks.
- Abstract(参考訳): 変分推論(VI)とベイズ非線形フィルタリングを組み合わせると、潜時時系列モデリングの最先端結果が得られる。
最近の研究は逐次モンテカルロ(smc)とその変種、例えば前方フィルタリング後方シミュレーション(ffbsi)に焦点を当てている。
これらの研究は成功したが、粒子の縮退とバイアスド勾配推定器に深刻な問題が残っている。
本稿では,状態空間モデル (SSM) を推論するために,VI とアンサンブルカルマンフィルタ (EnKF) のハイブリッド手法である Ensemble Kalman Variational Objective (EnKO) を提案する。
提案手法は, 粒子の多様性と偏りのない勾配推定器により, 潜在力学を効率的に同定できる。
我々は,3つのベンチマーク非線形システム識別タスクにおいて,予測能力および粒子効率の観点から,EnKOがSMC法より優れていることを示す。
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) - Joint State Estimation and Noise Identification Based on Variational
Optimization [8.536356569523127]
CVIAKFと呼ばれる共役計算変分推論に基づく新しい適応カルマンフィルタ法を提案する。
CVIAKFの有効性は、目標追尾のための合成および実世界のデータセットを通して検証される。
論文 参考訳(メタデータ) (2023-12-15T07:47:03Z) - Ensemble Kalman Filtering Meets Gaussian Process SSM for Non-Mean-Field
and Online Inference [50.91823345296243]
我々は,非平均場(NMF)変動推定フレームワークにアンサンブルカルマンフィルタ(EnKF)を導入し,潜在状態の後方分布を近似する。
EnKFとGPSSMのこの新しい結婚は、変分分布の学習における広範なパラメータ化の必要性をなくすだけでなく、エビデンスの下限(ELBO)の解釈可能でクローズドな近似を可能にする。
得られたEnKF支援オンラインアルゴリズムは、データ適合精度を確保しつつ、モデル正規化を組み込んで過度適合を緩和し、目的関数を具現化する。
論文 参考訳(メタデータ) (2023-12-10T15:22:30Z) - Gaussian Mixture Solvers for Diffusion Models [84.83349474361204]
本稿では,拡散モデルのためのGMSと呼ばれる,SDEに基づく新しい解法について紹介する。
画像生成およびストロークベース合成におけるサンプル品質の観点から,SDEに基づく多くの解法よりも優れる。
論文 参考訳(メタデータ) (2023-11-02T02:05:38Z) - 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) - System Identification for Continuous-time Linear Dynamical Systems [0.8440673378588488]
潜在線形力学系の連続時間への学習の一般化は、ハイブリッドカルマンフィルタの使用を拡大する可能性がある。
トグルスイッチ型遺伝回路を表す潜伏多変量Fokker-Planck SDEのパラメータを学習し,本手法を適用した。
論文 参考訳(メタデータ) (2023-08-23T05:53:13Z) - Differentiating Metropolis-Hastings to Optimize Intractable Densities [51.16801956665228]
我々はメトロポリス・ハスティングス検層の自動識別アルゴリズムを開発した。
難解な対象密度に対する期待値として表現された目的に対して勾配に基づく最適化を適用する。
論文 参考訳(メタデータ) (2023-06-13T17:56:02Z) - Exact Manifold Gaussian Variational Bayes [76.95091121622674]
複雑なモデルにおける変分推論(VI)の最適化アルゴリズムを提案する。
本研究では,変分行列上の正定値制約を暗黙的に満足するガウス変分推論の効率的なアルゴリズムを開発する。
ブラックボックスの性質のため、EMGVBは複雑なモデルにおけるVIのための準備が整ったソリューションである。
論文 参考訳(メタデータ) (2022-10-26T10:12:31Z) - 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) - Multiway Ensemble Kalman Filter [9.0932688770957]
偏微分方程式(PDE)が支配する動的過程の2次統計的特性解析における空間性およびマルチウェイ構造の出現について検討する。
We show that multiway data generated from the Poisson and the convection-diffusion types of PDEs can accurate tracking the ensemble Kalman filter (EnKF)。
論文 参考訳(メタデータ) (2021-12-08T15:04:34Z) - Machine learning-based conditional mean filter: a generalization of the
ensemble Kalman filter for nonlinear data assimilation [42.60602838972598]
スパース観測に基づく非線形ダイナミクスを持つ高次元非ガウス状態モデルを追跡する機械学習ベースのアンサンブル条件付き平均フィルタ(ML-EnCMF)を提案する。
提案手法は条件付き期待値に基づいて開発され,機械学習(ML)技術とアンサンブル法を組み合わせて数値的に実装されている。
論文 参考訳(メタデータ) (2021-06-15T06:40:32Z)
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。