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

• Unsupervised Panoptic Interpretation of Latent Spaces in GANs Using Space-Filling Vector Quantization [9.181917968017258]
  GAN(Generative Adversarial Network)は、サンプルを現実世界の画像にマッピングできる潜在空間を学習する。 初期の教師付き手法は、解釈可能な潜在空間を作成したり、解釈可能な方向を発見することを目的としていた。 本研究では,空間充足ベクトル量子化 (SFVQ) と呼ばれるベクトル量子化の修正手法を提案する。
  論文  参考訳（メタデータ） (2024-10-27T19:56:02Z)
• Uncertainty Representations in State-Space Layers for Deep Reinforcement Learning under Partial Observability [59.758009422067]
  線形状態空間モデルにおいて閉形式ガウス推論を行う独立なカルマンフィルタ層を提案する。 効率的な線形リカレント層と同様に、Kalmanフィルタ層は並列スキャンを使用してシーケンシャルデータを処理している。 実験により、不確実性推論が意思決定の鍵となる問題においてカルマンフィルタ層が優れており、他のステートフルモデルよりも優れていることが示された。
  論文  参考訳（メタデータ） (2024-09-25T11:22:29Z)
• KFD-NeRF: Rethinking Dynamic NeRF with Kalman Filter [49.85369344101118]
  KFD-NeRFは,Kalmanフィルタに基づく効率的かつ高品質な運動再構成フレームワークと統合された,新しい動的ニューラル放射場である。 我々のキーとなる考え方は、動的放射場を、観測と予測という2つの知識源に基づいて時間的に異なる状態が推定される動的システムとしてモデル化することである。 我々のKFD-NeRFは、同等の計算時間と最先端の視線合成性能で、徹底的な訓練を施した類似または優れた性能を示す。
  論文  参考訳（メタデータ） (2024-07-18T05:48:24Z)
• 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)
• 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 [7.663109078296828]
  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条件付きフィルタを提案する。 本研究では,我々のアプローチの有効性を示す大規模接触ネットワークにおける疫病の追跡とパラメータ推定に関する実験結果を示す。
  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)

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。