論文の概要: A comparison between PMBM Bayesian track initiation and labelled RFS
adaptive birth
- arxiv url: http://arxiv.org/abs/2207.06156v1
- Date: Wed, 13 Jul 2022 12:34:22 GMT
- ステータス: 処理完了
- システム内更新日: 2022-07-14 16:09:01.000106
- Title: A comparison between PMBM Bayesian track initiation and labelled RFS
adaptive birth
- Title(参考訳): PMBM Bayesian Track Initiation とラベル付き RFS Adaptive birth の比較
- Authors: \'Angel F. Garc\'ia-Fern\'andez, Yuxuan Xia, Lennart Svensson
- Abstract要約: 本稿では,ラベル付きランダム有限集合文学における適応出生モデルと,ポアソン多重ベルヌーリ混合フィルタにおけるトラック開始率の比較分析を行う。
- 参考スコア(独自算出の注目度): 4.664495510551647
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper provides a comparative analysis between the adaptive birth model
used in the labelled random finite set literature and the track initiation in
the Poisson multi-Bernoulli mixture (PMBM) filter, with point-target models.
The PMBM track initiation is obtained via Bayes' rule applied on the predicted
PMBM density, and creates one Bernoulli component for each received
measurement, representing that this measurement may be clutter or a detection
from a new target. Adaptive birth mimics this procedure by creating a Bernoulli
component for each measurement using a different rule to determine the
probability of existence and a user-defined single-target density. This paper
first provides an analysis of the differences that arise in track initiation
based on isolated measurements. Then, it shows that adaptive birth
underestimates the number of objects present in the surveillance area under
common modelling assumptions. Finally, we provide numerical simulations to
further illustrate the differences.
- Abstract(参考訳): 本稿では,ラベル付きランダム有限集合文学において用いられる適応的出生モデルと,ポアソン・マルチベルヌーリ混合(PMBM)フィルタにおけるトラック開始とを,ポイントターゲットモデルを用いて比較解析する。
PMBMトラック開始は、予測されたPMBM密度にベイズの規則を適用して得られ、受信された各測定値に対して1つのベルヌーイ成分を生成し、この測定値が散逸または新しい目標からの検出であることを示す。
アダプティブ・バース(adaptive birth)は、異なる規則を用いて測定毎にベルヌーイ成分を作成し、存在確率とユーザ定義の単一目標密度を決定することで、この手順を模倣する。
本稿では,まず,孤立測定に基づく軌道開始時の相違点の解析を行う。
そして、適応出生は、共通のモデリング仮定の下で、監視領域に存在する物体の数を過小評価していることを示す。
最後に,この差異を説明するために数値シミュレーションを行う。
関連論文リスト
- Bayesian Model Selection via Mean-Field Variational Approximation [10.433170683584994]
平均場(MF)推論の非漸近特性をベイズ的枠組みの下で検討する。
BvM(Bernstein von-Mises)定理は、MF からの変分分布をモデル的不特定性(英語版)の下で表す。
論文 参考訳(メタデータ) (2023-12-17T04:48:25Z) - Adaptive Annealed Importance Sampling with Constant Rate Progress [68.8204255655161]
Annealed Importance Smpling (AIS)は、抽出可能な分布から重み付けされたサンプルを合成する。
本稿では,alpha$-divergencesに対する定数レートAISアルゴリズムとその効率的な実装を提案する。
論文 参考訳(メタデータ) (2023-06-27T08:15:28Z) - Balanced Training of Energy-Based Models with Adaptive Flow Sampling [13.951904929884618]
エネルギーベースモデル (EBMs) は、非正規化ログ密度を直接パラメータ化する汎用密度推定モデルである。
我々は、異なる種類の生成モデル、正規化フロー(NF)を用いたESMのための新しい最大可能性トレーニングアルゴリズムを提案する。
本手法はトレーニング中にNFをEMMに適合させ,NF支援サンプリング方式によりESMの正確な勾配が常に得られるようにする。
論文 参考訳(メタデータ) (2023-06-01T13:58:06Z) - Detecting Adversarial Data by Probing Multiple Perturbations Using
Expected Perturbation Score [62.54911162109439]
逆方向検出は、自然分布と逆方向分布の差に基づいて、与えられたサンプルが逆方向であるかどうかを判定することを目的としている。
本研究では,様々な摂動後の標本の予測スコアであるEPS(pre expected perturbation score)を提案する。
EPSに基づく最大平均誤差(MMD)を,試験試料と自然試料との差を測定する指標として開発する。
論文 参考訳(メタデータ) (2023-05-25T13:14:58Z) - A Bayesian Semiparametric Method For Estimating Causal Quantile Effects [1.1118668841431563]
擬似分布の任意の関数を推測できる半パラメトリックな条件分布回帰モデルを提案する。
共振調整に二重バランススコアを用いることで, 単一スコアのみの調整よりも性能が向上することを示す。
提案手法をノースカロライナ出生体重データセットに適用し,母体喫煙が幼児の出生体重に与える影響を解析した。
論文 参考訳(メタデータ) (2022-11-03T05:15:18Z) - Targeted Separation and Convergence with Kernel Discrepancies [66.48817218787006]
カーネルベースの不一致測度は、(i)ターゲットPを他の確率測度から分離するか、(ii)Pへの弱収束を制御する必要がある。
本稿では, (i) と (ii) を保証するのに十分な,必要な新しい条件を導出する。
可分距離空間上のMDDに対して、ボヒナー埋め込み可測度を分離するカーネルを特徴づけ、すべての測度を非有界カーネルと分離するための単純な条件を導入する。
論文 参考訳(メタデータ) (2022-09-26T16:41:16Z) - SIXO: Smoothing Inference with Twisted Objectives [8.049531918823758]
SIXOは平滑な分布を近似する対象を学習する手法である。
次に、これらの学習対象とSMCを用いて、モデル学習と提案学習の変動目標を定義する。
論文 参考訳(メタデータ) (2022-06-13T07:46:35Z) - Unified Perspective on Probability Divergence via Maximum Likelihood
Density Ratio Estimation: Bridging KL-Divergence and Integral Probability
Metrics [15.437224275494838]
KL分割とIPMはサンプリング方式によってのみ異なる最大確率で表せることを示す。
我々は、KL分割とIPMを補間する、密度比メートル法(DRM)と呼ばれる新しい確率分岐のクラスを提案する。
これらの知見に加えて、DREや生成的敵ネットワークといったDRMの応用についても紹介する。
論文 参考訳(メタデータ) (2022-01-31T11:15:04Z) - Unrolling Particles: Unsupervised Learning of Sampling Distributions [102.72972137287728]
粒子フィルタリングは複素系の優れた非線形推定を計算するために用いられる。
粒子フィルタは様々なシナリオにおいて良好な推定値が得られることを示す。
論文 参考訳(メタデータ) (2021-10-06T16:58:34Z) - Generalized Sliced Distances for Probability Distributions [47.543990188697734]
我々は、一般化スライス確率測定(GSPM)と呼ばれる、幅広い確率測定値の族を紹介する。
GSPMは一般化されたラドン変換に根付いており、ユニークな幾何学的解釈を持つ。
GSPMに基づく勾配流を生成モデル応用に適用し、軽度な仮定の下では、勾配流が大域的最適に収束することを示す。
論文 参考訳(メタデータ) (2020-02-28T04:18:00Z) - Decision-Making with Auto-Encoding Variational Bayes [71.44735417472043]
変分分布とは異なる後部近似を用いて意思決定を行うことが示唆された。
これらの理論的な結果から,最適モデルに関するいくつかの近似的提案を学習することを提案する。
おもちゃの例に加えて,単細胞RNAシークエンシングのケーススタディも紹介する。
論文 参考訳(メタデータ) (2020-02-17T19:23:36Z)
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。