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

• Normalising Flow-based Differentiable Particle Filters [19.09640071505051]
  本稿では、(条件付き)正規化フローを用いて、その動的モデル、提案分布、測定モデルを構築する、微分可能な粒子フィルタリングフレームワークを提案する。 提案するフィルタの理論的特性を導出し, 一連の数値実験により, フローベース微分可能な粒子フィルタの性能の正規化を評価する。
  論文  参考訳（メタデータ） (2024-03-03T12:23:17Z)
• Closed-form Filtering for Non-linear Systems [83.91296397912218]
  我々は密度近似と計算効率の面でいくつかの利点を提供するガウスPSDモデルに基づく新しいフィルタのクラスを提案する。 本研究では,遷移や観測がガウスPSDモデルである場合,フィルタリングを効率的にクローズド形式で行うことができることを示す。 提案する推定器は, 近似の精度に依存し, 遷移確率の正則性に適応する推定誤差を伴って, 高い理論的保証を享受する。
  論文  参考訳（メタデータ） (2024-02-15T08:51:49Z)
• An overview of differentiable particle filters for data-adaptive sequential Bayesian inference [19.09640071505051]
  粒子フィルタ(PF)は非線形逐次状態推定問題を解くための効率的なメカニズムを提供する。 新たなトレンドは、ニューラルネットワークを使用して粒子フィルタのコンポーネントを構築し、勾配降下によって最適化することである。 微分可能な粒子フィルタは複雑な高次元タスクにおいて逐次データに対する推論を行うための有望な計算ツールである。
  論文  参考訳（メタデータ） (2023-02-19T18:03:53Z)
• Computational Doob's h-transforms for Online Filtering of Discretely Observed Diffusions [65.74069050283998]
  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。 提案手法は、最先端粒子フィルタよりも桁違いに効率的である。
  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)
• 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)
• 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。