論文の概要: Differentiable Particle Filtering via Entropy-Regularized Optimal Transport

• arxiv url: http://arxiv.org/abs/2102.07850v1
• Date: Mon, 15 Feb 2021 21:05:33 GMT
• ステータス: 処理完了
• システム内更新日: 2021-02-18 00:43:56.275577
• Title: Differentiable Particle Filtering via Entropy-Regularized Optimal Transport
• Title（参考訳）: エントロピー規則化最適輸送による微分粒子フィルタリング
• Authors: Adrien Corenflos, James Thornton, Arnaud Doucet, George Deligiannidis
• Abstract要約: 原理微分可能な粒子フィルタを導入し、収束結果を提供します。 最適輸送理論を活用し, 原理的微分可能な粒子フィルタを導入し, 収束結果を提供する。
• 参考スコア（独自算出の注目度）: 19.556744028461004
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Particle Filtering (PF) methods are an established class of procedures for performing inference in non-linear state-space models. Resampling is a key ingredient of PF, necessary to obtain low variance likelihood and states estimates. However, traditional resampling methods result in PF-based loss functions being non-differentiable with respect to model and PF parameters. In a variational inference context, resampling also yields high variance gradient estimates of the PF-based evidence lower bound. By leveraging optimal transport ideas, we introduce a principled differentiable particle filter and provide convergence results. We demonstrate this novel method on a variety of applications.
• Abstract（参考訳）: 粒子フィルタリング(PF)法は、非線形状態空間モデルにおける推論を行うための確立されたクラスの手順である。 再サンプリングはPFの重要な成分であり、低い分散可能性と状態推定を得るために必要である。 しかし、従来の再サンプリング手法では、PFに基づく損失関数はモデルやPFパラメータに対して微分できない。 変分推論の文脈では、再サンプリングはPFに基づく証拠の低い境界の高分散勾配推定も得る。 最適輸送理論を活用し, 原理的微分可能な粒子フィルタを導入し, 収束結果を提供する。 我々はこの新手法を様々なアプリケーションで実証する。

関連論文リスト

• An overview of differentiable particle filters for data-adaptive sequential Bayesian inference [12.161649672131286]
  粒子フィルタは非線形逐次状態推定問題を解くための効率的なメカニズムを提供する。 粒子フィルタの設計における新たなトレンドは、微分可能な粒子フィルタ(DPF)である。
  論文  参考訳（メタデータ） (2023-02-19T18:03:53Z)
• Unsupervised Learning of Sampling Distributions for Particle Filters [80.6716888175925]
  観測結果からサンプリング分布を学習する4つの方法を提案する。 実験により、学習されたサンプリング分布は、設計された最小縮退サンプリング分布よりも優れた性能を示すことが示された。
  論文  参考訳（メタデータ） (2023-02-02T15:50:21Z)
• 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)
• Matching Normalizing Flows and Probability Paths on Manifolds [57.95251557443005]
  連続正規化フロー (Continuous Normalizing Flows, CNFs) は、常微分方程式(ODE)を解くことによって、先行分布をモデル分布に変換する生成モデルである。 我々は,CNFが生成する確率密度パスと目標確率密度パスとの間に生じる新たな分岐系であるPPDを最小化して,CNFを訓練することを提案する。 PPDの最小化によって得られたCNFは、既存の低次元多様体のベンチマークにおいて、その可能性とサンプル品質が得られることを示す。
  論文  参考訳（メタデータ） (2022-07-11T08:50:19Z)
• Computational Doob's $h$-transforms for Online Filtering of Discretely Observed Diffusions [65.74069050283998]
  本稿では,離散的に観察された非線形拡散過程のオンラインフィルタリングについて述べる。 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。 数値実験により、提案手法はブートストラップ粒子フィルタよりも桁違いに効率的であることが示されている。
  論文  参考訳（メタデータ） (2022-06-07T15:03:05Z)
• Deep Learning for the Benes Filter [91.3755431537592]
  本研究では,メッシュのないニューラルネットワークによるベンズモデルの解の密度の表現に基づく新しい数値計算法を提案する。 ニューラルネットワークの領域選択におけるフィルタリングモデル方程式における非線形性の役割について論じる。
  論文  参考訳（メタデータ） (2022-03-09T14:08:38Z)
• Variational Marginal Particle Filters [38.94802937100392]
  状態空間モデル(SSM)の変分推論は一般に難しいことが知られている。 最近の研究は、不偏連続モンテカルロ推定器からSSMの変動目標を導出することに焦点を当てている。 変動限界粒子フィルタ(VMPF)を提案する。
  論文  参考訳（メタデータ） (2021-09-30T13:55:16Z)
• Fourier Series Expansion Based Filter Parametrization for Equivariant Convolutions [73.33133942934018]
  2次元フィルタパラメトリゼーション技術は同変畳み込みの設計において重要な役割を果たす。 F-Convというフィルタパラメトリゼーション法に基づく新しい同変畳み込み法 F-Convは、画像超解像タスクにおいて、以前のフィルタパラメトリゼーション法よりも明らかに優れている。
  論文  参考訳（メタデータ） (2021-07-30T10:01:52Z)
• Differentiable Particle Filtering without Modifying the Forward Pass [21.430102374292666]
  バックプロパゲーションで用いられるメッセージのみを修正することにより、限界確率の勾配の偏りのない推定値を得る方法を示す。 我々はこれを停止段階再サンプリングと呼び、自動微分ライブラリで容易に実装できる。
  論文  参考訳（メタデータ） (2021-06-18T18:58:52Z)
• Variational Rejection Particle Filtering [28.03831528555717]
  変動拒絶粒子フィルタ(VRPF)は、限界可能性に関する新しい変動境界をもたらす。 変動境界の理論的性質を提示し、連続データの様々なモデルに関する実験を実証する。
  論文  参考訳（メタデータ） (2021-03-29T05:29:58Z)

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。