論文の概要: Linear Variational State Space Filtering
- arxiv url: http://arxiv.org/abs/2201.01353v1
- Date: Tue, 4 Jan 2022 21:28:32 GMT
- ステータス: 処理完了
- システム内更新日: 2022-01-06 13:52:56.361369
- Title: Linear Variational State Space Filtering
- Title(参考訳): 線形変分状態空間フィルタリング
- Authors: Daniel Pfrommer, Nikolai Matni
- Abstract要約: 変分状態空間フィルタ (VSSF) は生画素からの潜在マルコフ状態空間モデルの教師なし学習,識別,フィルタリングのための新しい手法である。
不均一なセンサ構成下での潜在状態空間推定のための理論的に健全な枠組みを提案する。
L-VSSFがトレーニングデータセットのシーケンス長を超える潜時空間でフィルタリングできることを実験的に示す。
- 参考スコア(独自算出の注目度): 3.1219977244201065
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We introduce Variational State-Space Filters (VSSF), a new method for
unsupervised learning, identification, and filtering of latent Markov state
space models from raw pixels. We present a theoretically sound framework for
latent state space inference under heterogeneous sensor configurations. The
resulting model can integrate an arbitrary subset of the sensor measurements
used during training, enabling the learning of semi-supervised state
representations, thus enforcing that certain components of the learned latent
state space to agree with interpretable measurements. From this framework we
derive L-VSSF, an explicit instantiation of this model with linear latent
dynamics and Gaussian distribution parameterizations. We experimentally
demonstrate L-VSSF's ability to filter in latent space beyond the sequence
length of the training dataset across several different test environments.
- Abstract(参考訳): 原画素からの潜在マルコフ状態空間モデルの教師なし学習,識別,フィルタリングのための新しい手法である変分状態空間フィルタ(VSSF)を導入する。
不均一なセンサ構成下での潜在状態空間推定のための理論的に健全な枠組みを提案する。
結果として得られたモデルは、トレーニング中に使用されるセンサ測定の任意のサブセットを統合することができ、半教師状態表現の学習を可能にし、学習された潜在状態空間の特定の構成要素が解釈可能な測定と一致するようにする。
このフレームワークからL-VSSFを導出し、線形潜在力学とガウス分布パラメータ化を用いたモデルの明示的なインスタンス化を行う。
L-VSSFが複数の異なるテスト環境にわたってトレーニングデータセットのシーケンス長を超える潜時空間でフィルタリングできることを実験的に示す。
関連論文リスト
- Synthetic location trajectory generation using categorical diffusion
models [50.809683239937584]
拡散モデル(DPM)は急速に進化し、合成データのシミュレーションにおける主要な生成モデルの一つとなっている。
本稿では,個人が訪れた物理的位置を表す変数列である合成個別位置軌跡(ILT)の生成にDPMを用いることを提案する。
論文 参考訳(メタデータ) (2024-02-19T15:57:39Z) - Learning Differentiable Particle Filter on the Fly [18.466658684464598]
微分可能な粒子フィルタは、シーケンシャルベイズ推論技術の新たなクラスである。
本稿では,データ到着時にモデルパラメータを更新できるように,微分可能な粒子フィルタのためのオンライン学習フレームワークを提案する。
論文 参考訳(メタデータ) (2023-12-10T17:54:40Z) - 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) - $\infty$-Diff: Infinite Resolution Diffusion with Subsampled Mollified
States [13.75813166759549]
$infty$-Diff は無限次元ヒルベルト空間で定義される生成拡散モデルである。
ランダムにサンプリングされた座標部分集合のトレーニングにより、任意の分解能サンプリングのための連続関数を学習する。
論文 参考訳(メタデータ) (2023-03-31T17:58:08Z) - GFlowNet-EM for learning compositional latent variable models [115.96660869630227]
ラテントの後方のモデリングにおける重要なトレードオフは、表現性とトラクタブルな最適化の間にある。
非正規化密度からサンプリングするアルゴリズムであるGFlowNetsを提案する。
GFlowNetsをトレーニングして、後部から潜伏者へのサンプルをトレーニングすることにより、それらの強度をアモータライズされた変分アルゴリズムとして活用する。
論文 参考訳(メタデータ) (2023-02-13T18:24:21Z) - Factored Conditional Filtering: Tracking States and Estimating
Parameters in High-Dimensional Spaces [4.220030262107688]
本研究では,高次元状態空間における状態の同時追跡とパラメータ推定のための新しいフィルタリングアルゴリズムを提案する。
このアルゴリズムの条件付き性質はパラメータを推定するために使われ、分解された性質は状態空間を低次元の部分空間に分解するために用いられる。
論文 参考訳(メタデータ) (2022-06-05T13:37:07Z) - Deep Learning for Stability Analysis of a Freely Vibrating Sphere at
Moderate Reynolds Number [0.0]
本稿では,非定常な3次元流体構造相互作用系の安定性予測のための深層学習に基づくリダクションオーダーモデル(DL-ROM)を提案する。
提案したDL-ROMは非線形状態空間モデルの形式を持ち、長い短期記憶を持つリカレントニューラルネットワーク(LSTM)を用いる。
LSTMネットワークを固有系実現アルゴリズム (ERA) と統合することにより、低次安定性解析のためのデータ駆動状態空間モデルを構築する。
論文 参考訳(メタデータ) (2021-12-18T06:41:02Z) - Likelihood-Free Inference in State-Space Models with Unknown Dynamics [71.94716503075645]
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。
論文 参考訳(メタデータ) (2021-11-02T12:33:42Z) - EXoN: EXplainable encoder Network [0.0]
説明可能エンコーダネットワーク(EXoN)により説明可能な潜在空間が得られる変分オートエンコーダ(VAE)の半教師付き学習手法を提案する。
負のクロスエントロピーとクルバック・リーバーの発散は説明可能な潜在空間を構成する上で重要な役割を果たす。
論文 参考訳(メタデータ) (2021-05-23T07:04:30Z) - Sampling in Combinatorial Spaces with SurVAE Flow Augmented MCMC [83.48593305367523]
ハイブリッドモンテカルロ(Hybrid Monte Carlo)は、複素連続分布からサンプリングする強力なマルコフ連鎖モンテカルロ法である。
本稿では,SurVAEフローを用いたモンテカルロ法の拡張に基づく新しい手法を提案する。
本稿では,統計学,計算物理学,機械学習など,様々な分野におけるアルゴリズムの有効性を実証し,代替アルゴリズムと比較した改良点を考察する。
論文 参考訳(メタデータ) (2021-02-04T02:21:08Z) - Nonlinear ISA with Auxiliary Variables for Learning Speech
Representations [51.9516685516144]
補助変数の存在下では非線型独立部分空間解析(ISA)の理論的枠組みを導入する。
部分空間が独立な教師なし音声表現を学習するアルゴリズムを提案する。
論文 参考訳(メタデータ) (2020-07-25T14:53:09Z)
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。