論文の概要: Continuous-time Particle Filtering for Latent Stochastic Differential
Equations
- arxiv url: http://arxiv.org/abs/2209.00173v1
- Date: Thu, 1 Sep 2022 01:05:31 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-02 14:01:07.613909
- Title: Continuous-time Particle Filtering for Latent Stochastic Differential
Equations
- Title(参考訳): 確率微分方程式に対する連続時間粒子フィルタリング
- Authors: Ruizhi Deng, Greg Mori, Andreas M. Lehrmann
- Abstract要約: 本稿では,粒子フィルタを連続時間領域に拡張した連続潜時粒子フィルタを提案する。
本研究では, 連続潜時粒子フィルタが, 学習した変動後部に依存した推論手法の汎用的なプラグイン代替として利用できることを示す。
- 参考スコア(独自算出の注目度): 37.51802583388233
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Particle filtering is a standard Monte-Carlo approach for a wide range of
sequential inference tasks. The key component of a particle filter is a set of
particles with importance weights that serve as a proxy of the true posterior
distribution of some stochastic process. In this work, we propose continuous
latent particle filters, an approach that extends particle filtering to the
continuous-time domain. We demonstrate how continuous latent particle filters
can be used as a generic plug-in replacement for inference techniques relying
on a learned variational posterior. Our experiments with different model
families based on latent neural stochastic differential equations demonstrate
superior performance of continuous-time particle filtering in inference tasks
like likelihood estimation and sequential prediction for a variety of
stochastic processes.
- Abstract(参考訳): 粒子フィルタリングは、幅広い逐次推論タスクに対するモンテカルロの標準的なアプローチである。
粒子フィルタの鍵成分は、いくつかの確率過程の真の後部分布のプロキシとなる重要な重みを持つ粒子の集合である。
本研究では, 粒子フィルタリングを連続時間領域に拡張する手法である連続潜在粒子フィルタを提案する。
本研究では, 連続潜時粒子フィルタが, 学習した変動後部に依存した推論手法の汎用的なプラグイン代替として利用できることを示す。
ニューラル確率微分方程式に基づくモデルファミリを用いた実験は,確率推定や様々な確率過程の逐次予測といった推論タスクにおいて,連続時間粒子フィルタリングの優れた性能を示す。
関連論文リスト
- Particle-Based Score Estimation for State Space Model Learning in
Autonomous Driving [62.053071723903834]
マルチオブジェクト状態推定はロボットアプリケーションの基本的な問題である。
粒子法を用いて最大形パラメータを学習することを検討する。
自動運転車から収集した実データに本手法を適用した。
論文 参考訳(メタデータ) (2022-12-14T01:21:05Z) - Computational Doob's $h$-transforms for Online Filtering of Discretely
Observed Diffusions [65.74069050283998]
本稿では,離散的に観察された非線形拡散過程のオンラインフィルタリングについて述べる。
本研究では,Doobの$h$-transformsを近似する計算フレームワークを提案する。
数値実験により、提案手法はブートストラップ粒子フィルタよりも桁違いに効率的であることが示されている。
論文 参考訳(メタデータ) (2022-06-07T15:03:05Z) - Deep Learning for the Benes Filter [91.3755431537592]
本研究では,メッシュのないニューラルネットワークによるベンズモデルの解の密度の表現に基づく新しい数値計算法を提案する。
ニューラルネットワークの領域選択におけるフィルタリングモデル方程式における非線形性の役割について論じる。
論文 参考訳(メタデータ) (2022-03-09T14:08:38Z) - Differentiable Particle Filters through Conditional Normalizing Flow [6.230706386020833]
微分可能な粒子フィルタは、観測データから学習することで、動的および測定モデルを適応的に訓練する柔軟なメカニズムを提供する。
本稿では, 条件付き正規化フローを用いて, 微分可能な粒子フィルタの提案分布を構築する。
視覚的トラッキングタスクにおけるフローベース微分可能粒子フィルタの条件正規化性能を実演する。
論文 参考訳(メタデータ) (2021-07-01T14:31:27Z) - Innovative And Additive Outlier Robust Kalman Filtering With A Robust
Particle Filter [68.8204255655161]
提案するCE-BASSは, 粒子混合カルマンフィルタであり, 革新的および付加的両方の外れ値に対して堅牢であり, 隠蔽状態の分布における多モード性を完全に捉えることができる。
さらに、CE-BASSは過去の状態を再サンプリングすることで、トレンドの変化のような観測ですぐには見えない革新的な外れ値を扱うことができる。
論文 参考訳(メタデータ) (2020-07-07T07:11:09Z) - Approximating Posterior Predictive Distributions by Averaging Output
From Many Particle Filters [0.0]
本稿では, it Particle Swarm filter(粒子群最適化と混同しないように)を紹介する。
多くの粒子フィルタからの予測近似を平均化することにより、後続の予測分布の列への近似を目標とする。
大数の法則と中心極限定理、およびボラティリティモデルからのシミュレーションデータの数値的研究が提供される。
論文 参考訳(メタデータ) (2020-06-27T16:14:02Z) - When is Particle Filtering Efficient for Planning in Partially Observed
Linear Dynamical Systems? [60.703816720093016]
本稿では, 逐次計画における粒子フィルタリングの効率性について検討する。
我々は、粒子フィルタリングに基づくポリシーの長期報酬が正確な推測に基づいてそれに近いように、必要な粒子の数に縛り付けることができる。
このテクニックは、他のシーケンシャルな意思決定問題に有効であると考えています。
論文 参考訳(メタデータ) (2020-06-10T17:43:43Z) - Towards Differentiable Resampling [22.92540370475242]
本稿では,新しいネットワークアーキテクチャ,パーティクル・トランスフォーマーを提案し,粒子集合上の可能性に基づく損失関数を用いて粒子再サンプリングを訓練する。
以上の結果から,我々の学習したリサンプラーは,合成データやシミュレーションロボットのローカライゼーションタスクにおいて,従来のリサンプラー技術よりも優れていることがわかった。
論文 参考訳(メタデータ) (2020-04-24T18:37:17Z) - Multiplicative Gaussian Particle Filter [18.615555573235987]
フィルタ問題における近似推論のためのサンプリングに基づく新しい手法を提案する。
有限個の状態からなる条件分布を粒子フィルタで近似するのではなく、連続関数の集合から重み付けされた関数の和で分布を近似する。
論文 参考訳(メタデータ) (2020-02-29T09:19:38Z)
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。