論文の概要: Progressive Bayesian Particle Flows based on Optimal Transport Map
Sequences
- arxiv url: http://arxiv.org/abs/2303.02412v1
- Date: Sat, 4 Mar 2023 13:12:43 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-07 19:45:49.124024
- Title: Progressive Bayesian Particle Flows based on Optimal Transport Map
Sequences
- Title(参考訳): 最適輸送写像列に基づく進行ベイズ粒子の流れ
- Authors: Uwe D. Hanebeck
- Abstract要約: 決定論的粒子を用いた最適ベイズフィルタ法を提案する。
フィルタステップは一度に行われず、代わりに粒子は後から徐々に流れていく。
各サブステップにおいて、最適再サンプリングは、等重粒子を等重粒子に置き換える写像によって行われる。
- 参考スコア(独自算出の注目度): 4.56877715768796
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We propose a method for optimal Bayesian filtering with deterministic
particles. In order to avoid particle degeneration, the filter step is not
performed at once. Instead, the particles progressively flow from prior to
posterior. This is achieved by splitting the filter step into a series of
sub-steps. In each sub-step, optimal resampling is done by a map that replaces
non-equally weighted particles with equally weighted ones. Inversions of the
maps or monotonicity constraints are not required, greatly simplifying the
procedure. The parameters of the mapping network are optimized w.r.t.\ to a
particle set distance. This distance is differentiable, and compares
non-equally and equally weighted particles. Composition of the map sequence
provides a final mapping from prior to posterior particles. Radial basis
function neural networks are used as maps. It is important that no intermediate
continuous density representation is required. The entire flow works directly
with particle representations. This avoids costly density estimation.
- Abstract(参考訳): 決定論的粒子を用いた最適ベイズフィルタ法を提案する。
粒子の変性を避けるために、フィルタステップを一度に実行しない。
その代わり、粒子は徐々に前から後へと流れる。
これはフィルタステップを一連のサブステップに分割することで実現される。
各サブステップにおいて、最適再サンプリングは、等重粒子を等重粒子に置き換える写像によって行われる。
写像の反転や単調性制約は不要であり、手続きを大幅に単純化する。
マッピングネットワークのパラメータは、パーティクルセット距離にw.r.t.\を最適化する。
この距離は微分可能であり、等重粒子と等重粒子を比較する。
写像列の合成は、前粒子から後粒子までの最終的なマッピングを提供する。
放射基底関数ニューラルネットワークは地図として使用される。
中間連続密度表現は不要であることが重要である。
フロー全体は粒子表現と直接連携する。
これにより、コストのかかる密度推定が回避される。
関連論文リスト
- Scene Prior Filtering for Depth Map Super-Resolution [102.18062150182644]
テクスチャ干渉とエッジ不正確性を緩和するScene Prior Filtering Network(SPFNet)を導入する。
我々のSPFNetは、実データと合成データの両方で広範囲に評価され、最先端のパフォーマンスを実現しています。
論文 参考訳(メタデータ) (2024-02-21T15:35:59Z) - Sobolev Space Regularised Pre Density Models [51.558848491038916]
本研究では,ソボレフ法則の正則化に基づく非パラメトリック密度推定法を提案する。
この方法は統計的に一貫したものであり、帰納的検証モデルを明確かつ一貫したものにしている。
論文 参考訳(メタデータ) (2023-07-25T18:47:53Z) - 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) - Near-optimal estimation of smooth transport maps with kernel
sums-of-squares [81.02564078640275]
滑らかな条件下では、2つの分布の間の正方形ワッサーシュタイン距離は、魅力的な統計的誤差上界で効率的に計算できる。
生成的モデリングのような応用への関心の対象は、基礎となる最適輸送写像である。
そこで本研究では,地図上の統計的誤差であるL2$が,既存のミニマックス下限値とほぼ一致し,スムーズな地図推定が可能となる最初のトラクタブルアルゴリズムを提案する。
論文 参考訳(メタデータ) (2021-12-03T13:45:36Z) - Deep Convolutional Correlation Iterative Particle Filter for Visual
Tracking [1.1531505895603305]
本研究では,反復的粒子フィルタ,深部畳み込みニューラルネットワーク,相関フィルタを統合した視覚追跡のための新しいフレームワークを提案する。
我々は, K-平均クラスタリングを適用して, 繰り返し後の粒子の可能性を評価する新しい手法を採用した。
2つの異なるベンチマークデータセットの実験結果は、トラッカーが最先端の手法に対して好適に動作することを示している。
論文 参考訳(メタデータ) (2021-07-07T02:44:43Z) - Differentiable Particle Filtering without Modifying the Forward Pass [21.430102374292666]
バックプロパゲーションで用いられるメッセージのみを修正することにより、限界確率の勾配の偏りのない推定値を得る方法を示す。
我々はこれを停止段階再サンプリングと呼び、自動微分ライブラリで容易に実装できる。
論文 参考訳(メタデータ) (2021-06-18T18:58:52Z) - Variational Transport: A Convergent Particle-BasedAlgorithm for
Distributional Optimization [95.67541186704399]
分散最適化問題は機械学習や統計学で広く発生する。
本研究では,ワッサースタイン勾配降下を概ね行う,変分輸送と呼ばれる新しい粒子ベースアルゴリズムを提案する。
目的関数がpolyak-Lojasiewicz (PL) (Polyak, 1963) の機能バージョンと滑らかな条件を満たすとき、変分輸送は線形に収束することを示す。
論文 参考訳(メタデータ) (2020-12-21T18:33:13Z) - 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)
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。