Fugu-MT 論文翻訳(概要): Probabilistic Estimation of Chirp Instantaneous Frequency Using Gaussian Processes

論文の概要: Probabilistic Estimation of Chirp Instantaneous Frequency Using Gaussian Processes

arxiv url: http://arxiv.org/abs/2205.06306v1
Date: Thu, 12 May 2022 18:47:13 GMT
ステータス: 処理完了
システム内更新日: 2022-05-16 14:04:59.201415
Title: Probabilistic Estimation of Chirp Instantaneous Frequency Using Gaussian Processes
Title（参考訳）: ガウス過程を用いたチャープ瞬時周波数の確率的推定
Authors: Zheng Zhao, Simo S\"arkk\"a, Jens Sj\"olund, Thomas B. Sch\"on
Abstract要約: 本稿では、チャープと瞬時周波数の真の形状が不明な場合に、信号とその瞬時周波数関数を推定するための確率論的アプローチを提案する。実験により, この手法は合成モデル上で多くのベースライン法より優れており, 重力波データの解析にも適用できることがわかった。
参考スコア（独自算出の注目度）: 4.150253997298207
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We present a probabilistic approach for estimating chirp signal and its instantaneous frequency function when the true forms of the chirp and instantaneous frequency are unknown. To do so, we represent them by joint cascading Gaussian processes governed by a non-linear stochastic differential equation, and estimate their posterior distribution by using stochastic filters and smoothers. The model parameters are determined via maximum likelihood estimation. Theoretical results show that the estimation method has a bounded mean squared error. Experiments show that the method outperforms a number of baseline methods on a synthetic model, and we also apply the method to analyse a gravitational wave data.
Abstract（参考訳）: チャープと瞬時周波数の真の形式が不明な場合にチャープ信号とその瞬時周波数関数を推定する確率論的手法を提案する。そこで, 非線形確率微分方程式によって制御される結合カスケードガウス過程を表現し, 確率フィルタとスムーサを用いて後続分布を推定する。モデルパラメータは最大確率推定によって決定される。理論的結果は,推定法が有界平均2乗誤差を持つことを示している。実験により, この手法は合成モデル上で多くのベースライン法より優れており, 重力波データの解析にも適用できることがわかった。

関連論文リスト

Predicting path-dependent processes by deep learning [0.5893124686141782]
本研究では,個別に観測された歴史情報に基づく経路依存プロセスの深層学習手法について検討する。離散観測の頻度は無限大になる傾向にあり、離散観測に基づく予測は連続観測に基づく予測に収束する。この手法を、分数的ブラウン運動と分数的なO-ウレンベック過程に適用する。
論文参考訳（メタデータ） (2024-08-19T12:24:25Z)
Online Identification of Stochastic Continuous-Time Wiener Models Using Sampled Data [4.037738063437126]
連続時間ウィナーモデルの同定のための出力エラー予測器に基づくオンライン推定アルゴリズムを開発した。この方法は、外乱過程のスペクトルに関する仮定に対して堅牢である。
論文参考訳（メタデータ） (2024-03-09T12:33:09Z)
Noise-Free Sampling Algorithms via Regularized Wasserstein Proximals [3.4240632942024685]
ポテンシャル関数が支配する分布からサンプリングする問題を考察する。本研究は, 決定論的な楽譜に基づくMCMC法を提案し, 粒子に対する決定論的進化をもたらす。
論文参考訳（メタデータ） (2023-08-28T23:51:33Z)
A Geometric Perspective on Diffusion Models [57.27857591493788]
本稿では,人気のある分散拡散型SDEのODEに基づくサンプリングについて検討する。我々は、最適なODEベースのサンプリングと古典的な平均シフト(モード探索)アルゴリズムの理論的関係を確立する。
論文参考訳（メタデータ） (2023-05-31T15:33:16Z)
Score-based Continuous-time Discrete Diffusion Models [102.65769839899315]
連続時間マルコフ連鎖を介して逆過程が認知されるマルコフジャンププロセスを導入することにより、拡散モデルを離散変数に拡張する。条件境界分布の単純なマッチングにより、偏りのない推定器が得られることを示す。提案手法の有効性を,合成および実世界の音楽と画像のベンチマークで示す。
論文参考訳（メタデータ） (2022-11-30T05:33:29Z)
Instantaneous Frequency Estimation In Multi-Component Signals Using Stochastic EM Algorithm [12.887899139468177]
本稿では、任意の分散雑音の存在下で観測された非定常混合信号のモードを推定する問題に対処する。観測信号のスペクトログラムからモデルパラメータを推定するために新しいベイズモデルを導入し、EMアルゴリズムのバージョンを利用して計算コストの高いパラメータを後部分布から避ける。
論文参考訳（メタデータ） (2022-03-28T17:06:11Z)
A blob method method for inhomogeneous diffusion with applications to multi-agent control and sampling [0.6562256987706128]
重み付き多孔質媒質方程式(WPME)に対する決定論的粒子法を開発し,その収束性を時間間隔で証明する。提案手法は,マルチエージェントカバレッジアルゴリズムや確率測定のサンプリングに自然に応用できる。
論文参考訳（メタデータ） (2022-02-25T19:49:05Z)
An application of the splitting-up method for the computation of a neural network representation for the solution for the filtering equations [68.8204255655161]
フィルタ方程式は、数値天気予報、金融、工学など、多くの現実の応用において中心的な役割を果たす。フィルタリング方程式の解を近似する古典的なアプローチの1つは、分割法と呼ばれるPDEにインスパイアされた方法を使うことである。我々はこの手法をニューラルネットワーク表現と組み合わせて、信号プロセスの非正規化条件分布の近似を生成する。
論文参考訳（メタデータ） (2022-01-10T11:01:36Z)
A Stochastic Newton Algorithm for Distributed Convex Optimization [62.20732134991661]
均質な分散凸最適化のためのNewtonアルゴリズムを解析し、各マシンが同じ人口目標の勾配を計算する。提案手法は,既存の手法と比較して,性能を損なうことなく,必要な通信ラウンドの数,頻度を低減できることを示す。
論文参考訳（メタデータ） (2021-10-07T17:51:10Z)
Leveraging Global Parameters for Flow-based Neural Posterior Estimation [90.21090932619695]
実験観測に基づくモデルのパラメータを推定することは、科学的方法の中心である。特に困難な設定は、モデルが強く不確定であるとき、すなわち、パラメータの異なるセットが同一の観測をもたらすときである。本稿では,グローバルパラメータを共有する観測の補助的セットによって伝達される付加情報を利用して,その不確定性を破る手法を提案する。
論文参考訳（メタデータ） (2021-02-12T12:23:13Z)
SLEIPNIR: Deterministic and Provably Accurate Feature Expansion for Gaussian Process Regression with Derivatives [86.01677297601624]
本稿では,2次フーリエ特徴に基づく導関数によるGP回帰のスケーリング手法を提案する。我々は、近似されたカーネルと近似された後部の両方に適用される決定論的、非漸近的、指数関数的に高速な崩壊誤差境界を証明した。
論文参考訳（メタデータ） (2020-03-05T14:33:20Z)

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。