Fugu-MT 論文翻訳(概要): Differentiable Particle Filtering via Entropy-Regularized Optimal Transport

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

Permutation Invariant Learning with High-Dimensional Particle Filters [8.878254892409005]
深層モデルのシークエンシャルラーニングは、しばしば破滅的な忘れ物や可塑性の喪失といった課題に悩まされる。本研究では,高次元粒子フィルタに基づく新しい置換不変学習フレームワークを提案する。
論文参考訳（メタデータ） (2024-10-30T05:06:55Z)
Understanding Reinforcement Learning-Based Fine-Tuning of Diffusion Models: A Tutorial and Review [63.31328039424469]
このチュートリアルは、下流の報酬関数を最適化するための微調整拡散モデルのための方法を網羅的に調査する。 PPO,微分可能最適化,報酬重み付きMLE,値重み付きサンプリング,経路整合性学習など,様々なRLアルゴリズムの適用について説明する。
論文参考訳（メタデータ） (2024-07-18T17:35:32Z)
Differentiable Particle Filtering using Optimal Placement Resampling [0.0]
低分散推定を得るためには、良い提案分布とよい再サンプリング方式が不可欠である。本研究では,経験的累積分布関数から決定論的サンプリングを行うことにより,微分可能な再サンプリング手法を提案する。
論文参考訳（メタデータ） (2024-02-26T15:09:56Z)
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)
An overview of differentiable particle filters for data-adaptive sequential Bayesian inference [19.09640071505051]
粒子フィルタ(PF)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。新たなトレンドは、ニューラルネットワークを使用して粒子フィルタのコンポーネントを構築し、勾配降下によって最適化することである。微分可能な粒子フィルタは複雑な高次元タスクにおいて逐次データに対する推論を行うための有望な計算ツールである。
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)
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)
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。