論文の概要: Likelihood-Free Inference in State-Space Models with Unknown Dynamics
- arxiv url: http://arxiv.org/abs/2111.01555v1
- Date: Tue, 2 Nov 2021 12:33:42 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-03 14:22:59.186765
- Title: Likelihood-Free Inference in State-Space Models with Unknown Dynamics
- Title(参考訳): 未知ダイナミクスをもつ状態空間モデルにおける確率自由推論
- Authors: Alexander Aushev, Thong Tran, Henri Pesonen, Andrew Howes, Samuel
Kaski
- Abstract要約: 本研究では、状態空間モデルにおいて、観測をシミュレートすることしかできず、遷移ダイナミクスが不明な潜在状態の推測と予測を行う手法を提案する。
本研究では,限られた数のシミュレーションで状態予測と状態予測を行う手法を提案する。
- 参考スコア(独自算出の注目度): 71.94716503075645
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We introduce a method for inferring and predicting latent states in the
important and difficult case of state-space models where observations can only
be simulated, and transition dynamics are unknown. In this setting, the
likelihood of observations is not available and only synthetic observations can
be generated from a black-box simulator. We propose a way of doing
likelihood-free inference (LFI) of states and state prediction with a limited
number of simulations. Our approach uses a multi-output Gaussian process for
state inference, and a Bayesian Neural Network as a model of the transition
dynamics for state prediction. We improve upon existing LFI methods for the
inference task, while also accurately learning transition dynamics. The
proposed method is necessary for modelling inverse problems in dynamical
systems with computationally expensive simulations, as demonstrated in
experiments with non-stationary user models.
- Abstract(参考訳): 本稿では,観測をシミュレートすることしかできず,遷移ダイナミクスが不明な状態空間モデルにおいて,潜在状態の推測と予測を行う手法を提案する。
この設定では、観測の可能性は得られず、ブラックボックスシミュレータからのみ合成観測が生成される。
本稿では,状態と状態予測の確率自由推論(lfi)を限られた数のシミュレーションで行う方法を提案する。
本手法では,状態推定のための複数出力ガウス過程と,状態予測のための遷移ダイナミクスのモデルとしてベイズニューラルネットワークを用いる。
我々は,既存のLFI手法の改良とともに,遷移力学を正確に学習する。
提案手法は,非定常ユーザモデルを用いた実験で示されるように,計算コストの高いシミュレーションによる動的システムの逆問題のモデル化に必要である。
関連論文リスト
- Modeling the unphysical pseudomode model with physical ensembles:
simulation, mitigation, and restructuring of non-Markovian quantum noise [0.9549646359252346]
擬モードモデル自体のアナログまたはデジタル量子シミュレーションの潜在的な利点を考察する。
物理系の計測アンサンブルを用いて非物理的擬態モデルの効果を再現できることを示す。
論文 参考訳(メタデータ) (2023-11-26T08:56:42Z) - Diffusion models for probabilistic programming [56.47577824219207]
拡散モデル変分推論(DMVI)は確率型プログラミング言語(PPL)における自動近似推論手法である
DMVIは実装が容易で、例えば正規化フローを用いた変分推論の欠点を伴わずに、PPLでヘイズルフリー推論が可能であり、基礎となるニューラルネットワークモデルに制約を課さない。
論文 参考訳(メタデータ) (2023-11-01T12:17:05Z) - Learning Hybrid Dynamics Models With Simulator-Informed Latent States [7.801959219897031]
そこで我々は,シミュレーションを用いて学習モデルの潜伏状態を通知するハイブリッドモデリング手法を提案する。
これにより、シミュレータを介して予測を制御することで、エラーの蓄積を防ぐことができる。
学習に基づく設定では、シミュレータを通して潜在状態を推測するダイナミクスとオブザーバを共同で学習する。
論文 参考訳(メタデータ) (2023-09-06T09:57:58Z) - Simulation-based inference using surjective sequential neural likelihood
estimation [50.24983453990065]
主観的逐次的ニューラルネットワーク類似度推定はシミュレーションに基づく推論の新しい手法である。
データを低次元空間に埋め込むことで、SSNLは高次元データセットに適用する際の従来の可能性ベースの手法が抱えるいくつかの問題を解く。
論文 参考訳(メタデータ) (2023-08-02T10:02:38Z) - Distributed Bayesian Learning of Dynamic States [65.7870637855531]
提案アルゴリズムは有限状態隠れマルコフモデルに対する分散ベイズフィルタタスクである。
逐次状態推定や、動的環境下でのソーシャルネットワーク上での意見形成のモデル化に使用できる。
論文 参考訳(メタデータ) (2022-12-05T19:40:17Z) - Neural Posterior Estimation with Differentiable Simulators [58.720142291102135]
微分可能シミュレータを用いてニューラル・ポストミラー推定(NPE)を行う新しい手法を提案する。
勾配情報が後部形状の制約にどのように役立ち、試料効率を向上させるかを示す。
論文 参考訳(メタデータ) (2022-07-12T16:08:04Z) - Variational methods for simulation-based inference [3.308743964406687]
逐次ニューラル変分推論(SNVI)は、難易度のあるモデルにおいてベイズ推論を行うためのアプローチである。
SNVIは、確率推定と変分推論を組み合わせることで、スケーラブルなシミュレーションベースの推論アプローチを実現する。
論文 参考訳(メタデータ) (2022-03-08T16:06:37Z) - MINIMALIST: Mutual INformatIon Maximization for Amortized Likelihood
Inference from Sampled Trajectories [61.3299263929289]
シミュレーションベースの推論は、その可能性が実際に計算できない場合でもモデルのパラメータを学習することができる。
あるクラスのメソッドは、異なるパラメータでシミュレートされたデータを使用して、確率とエビデンス比の償却推定器を推定する。
モデルパラメータとシミュレーションデータ間の相互情報の観点から,本手法が定式化可能であることを示す。
論文 参考訳(メタデータ) (2021-06-03T12:59:16Z) - DISCO: Double Likelihood-free Inference Stochastic Control [29.84276469617019]
確率自由推論のためのベイズ統計学における現代シミュレータのパワーと最近の技術を活用することを提案する。
シミュレーションパラメータの後方分布は、システムの潜在的非解析モデルによって伝播される。
実験により、制御器の提案により、古典的な制御やロボット工学のタスクにおいて、優れた性能と堅牢性が得られることが示された。
論文 参考訳(メタデータ) (2020-02-18T05:29:40Z)
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。