論文の概要: Counter-Adversarial Learning with Inverse Unscented Kalman Filter

• arxiv url: http://arxiv.org/abs/2210.00359v1
• Date: Sat, 1 Oct 2022 20:31:47 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-04 17:12:09.118192
• Title: Counter-Adversarial Learning with Inverse Unscented Kalman Filter
• Title（参考訳）: Inverse Unscented Kalman Filter による対逆学習
• Authors: Himali Singh, Kumar Vijay Mishra and Arpan Chattopadhyay
• Abstract要約: 未知のカルマンフィルタ(UKF)による逆推定 逆UKFは敵と守備の両方で知られている。 実験により、IUKFの推定誤差は収束し、Clam'er-Rao の下界に密接に従うことが示された。
• 参考スコア（独自算出の注目度）: 18.244578289687123
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In order to infer the strategy of an intelligent attacker, it is desired for the defender to cognitively sense the attacker's state. In this context, we aim to learn the information that an adversary has gathered about us from a Bayesian perspective. Prior works employ linear Gaussian state-space models and solve this inverse cognition problem through the design of inverse stochastic filters. In practice, these counter-adversarial settings are highly nonlinear systems. We address this by formulating the inverse cognition as a nonlinear Gaussian state-space model, wherein the adversary employs an unscented Kalman filter (UKF) to estimate our state with reduced linearization errors. To estimate the adversary's estimate of us, we propose and develop an inverse UKF (IUKF), wherein the system model is known to both the adversary and the defender. We also derive the conditions for the stochastic stability of IUKF in the mean-squared boundedness sense. Numerical experiments for multiple practical system models show that the estimation error of IUKF converges and closely follows the recursive Cram\'{e}r-Rao lower bound.
• Abstract（参考訳）: 知的攻撃者の戦略を推測するためには、防御者が攻撃者の状態を認知的に把握することが望ましい。 この文脈では、ベイズの観点から敵が収集した情報を学習することを目的としている。 先行研究では線形ガウス状態空間モデルを採用し、逆確率フィルタの設計によりこの逆認知問題を解く。 実際、これらの対向的な設定は高度に非線形なシステムである。 我々は、逆認知を非線形ガウス状態空間モデルとして定式化することでこの問題に対処する。 敵の我々の推定を推定するために、システムモデルは敵と守備側の双方で知られている逆ukf(iukf)を提案し、開発する。 また、平均二乗有界感におけるIUKFの確率安定性の条件も導出する。 複数の実用システムモデルに対する数値実験により、 iukf の推定誤差が収束し、再帰的 cram\'{e}r-rao 下界に密接に従うことが示された。

関連論文リスト

• Rectified Diffusion Guidance for Conditional Generation [62.00207951161297]
  CFGの背後にある理論を再検討し、組合せ係数の不適切な構成(すなわち、広く使われている和対1バージョン)が生成分布の期待シフトをもたらすことを厳密に確認する。 本稿では,誘導係数を緩和したReCFGを提案する。 このようにして、修正された係数は観測されたデータをトラバースすることで容易に事前計算でき、サンプリング速度はほとんど影響を受けない。
  論文  参考訳（メタデータ） (2024-10-24T13:41:32Z)
• Inverse Particle Filter [16.975704972827305]
  認知システムでは、行動が認知反応の主焦点であった被験者の認知過程を研究することが近年強調されている。 本稿では,大域的フィルタリング手法を採用し,逆粒子フィルタ(I-PF)の開発について述べる。 粒子フィルタフレームワークは、任意の後部分布を近似するためにモンテカルロ法(MC)を用いる。
  論文  参考訳（メタデータ） (2024-07-23T16:32:38Z)
• Inverse Unscented Kalman Filter [16.975704972827305]
  認知的「敵」はカルマンフィルタ(KF)のようなフレームワークを通じて関心の対象を追跡する ターゲットまたは「ディフェンダー」は、相手が計算したディフェンダーの前方フィルタ推定を推測するために別の逆非セントフィルタを使用する。 線形系では、逆カルマンフィルタ (I-KF) がこれらの反逆応用に有効であることが最近示されている。
  論文  参考訳（メタデータ） (2023-04-04T10:51:43Z)
• Inverse Cubature and Quadrature Kalman filters [16.975704972827305]
  我々は、逆立方体KF(I-CKF)、逆立方体KF(I-QKF)、逆立方体KF(I-CQKF)を開発する。 指数平均二乗有界感におけるフィルタの安定性条件を導出し,フィルタの整合性を証明する。
  論文  参考訳（メタデータ） (2023-03-18T03:48:39Z)
• Decomposed Diffusion Sampler for Accelerating Large-Scale Inverse Problems [64.29491112653905]
  本稿では, 拡散サンプリング法とクリロフ部分空間法を相乗的に組み合わせた, 新規で効率的な拡散サンプリング手法を提案する。 具体的には、ツイーディの公式による分母化標本における接空間がクリロフ部分空間を成すならば、その分母化データによるCGは、接空間におけるデータの整合性更新を確実に維持する。 提案手法は,従来の最先端手法よりも80倍以上高速な推論時間を実現する。
  論文  参考訳（メタデータ） (2023-03-10T07:42:49Z)
• Inverse Extended Kalman Filter -- Part II: Highly Non-Linear and Uncertain Systems [18.244578289687123]
  本稿では,非線形システムにおける逆フィルタ問題に対処する逆拡張カルマンフィルタ(I-EKF)を提案する。 第1部:I-EKF(未知の入力を含む)とI-KF(未知の入力を含む)の理論 第2部:I-EKF(未知入力)とI-KF(未知入力)の理論
  論文  参考訳（メタデータ） (2022-08-13T16:55:39Z)
• Learning Dynamical Systems via Koopman Operator Regression in Reproducing Kernel Hilbert Spaces [52.35063796758121]
  動的システムの有限データ軌跡からクープマン作用素を学ぶためのフレームワークを定式化する。 リスクとクープマン作用素のスペクトル分解の推定を関連付ける。 以上の結果から,RRRは他の広く用いられている推定値よりも有益である可能性が示唆された。
  論文  参考訳（メタデータ） (2022-05-27T14:57:48Z)
• Optimal variance-reduced stochastic approximation in Banach spaces [114.8734960258221]
  可分バナッハ空間上で定義された収縮作用素の定点を推定する問題について検討する。 演算子欠陥と推定誤差の両方に対して漸近的でない境界を確立する。
  論文  参考訳（メタデータ） (2022-01-21T02:46:57Z)
• Inverse Extended Kalman Filter -- Part I: Fundamentals [19.078991171384015]
  本稿では,逆拡張カルマンフィルタ(I-EKF)の理論を詳述する。 我々は、有界非線型性と未知行列アプローチの両方を用いて理論的安定性を保証する。 本論文(パートII)では,不完全なシステムモデル情報を扱うために,Hilbert空間に基づくEKFの再生を提案する。
  論文  参考訳（メタデータ） (2022-01-05T10:56:58Z)
• On the Practicality of Differential Privacy in Federated Learning by Tuning Iteration Times [51.61278695776151]
  フェデレートラーニング(FL)は、分散クライアント間で機械学習モデルを協調的にトレーニングする際のプライバシ保護でよく知られている。 最近の研究では、naive flは勾配リーク攻撃の影響を受けやすいことが指摘されている。 ディファレンシャルプライバシ(dp)は、勾配漏洩攻撃を防御するための有望な対策として現れる。
  論文  参考訳（メタデータ） (2021-01-11T19:43:12Z)
• Gaussian MRF Covariance Modeling for Efficient Black-Box Adversarial Attacks [86.88061841975482]
  我々は,ゼロオーダーのオラクルにのみアクセス可能なブラックボックス設定において,逆例を生成する問題について検討する。 我々はこの設定を用いて、FGSM(Fast Gradient Sign Method)のブラックボックス版と同様に、高速な1ステップの敵攻撃を見つける。 提案手法はクエリを少なくし,現在の技術よりも攻撃成功率が高いことを示す。
  論文  参考訳（メタデータ） (2020-10-08T18:36:51Z)

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。