論文の概要: Graph Kalman Filters
- arxiv url: http://arxiv.org/abs/2303.12021v1
- Date: Tue, 21 Mar 2023 16:55:18 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-22 14:02:29.007765
- Title: Graph Kalman Filters
- Title(参考訳): グラフカルマンフィルタ
- Authors: Cesare Alippi and Daniele Zambon
- Abstract要約: 本稿では、カルマンフィルタを、入力、状態、出力が属性グラフとして表される離散時間設定に一般化する。
提案する理論的枠組みでは、未知の状態遷移と読み出し関数は、下流予測タスクとともにエンドツーエンドに学習される。
- 参考スコア(独自算出の注目度): 19.407150082045636
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The well-known Kalman filters model dynamical systems by relying on
state-space representations with the next state updated, and its uncertainty
controlled, by fresh information associated with newly observed system outputs.
This paper generalizes, for the first time in the literature, Kalman and
extended Kalman filters to discrete-time settings where inputs, states, and
outputs are represented as attributed graphs whose topology and attributes can
change with time. The setup allows us to adapt the framework to cases where the
output is a vector or a scalar too (node/graph level tasks). Within the
proposed theoretical framework, the unknown state-transition and the readout
functions are learned end-to-end along with the downstream prediction task.
- Abstract(参考訳): 有名なカルマンフィルタは、次の状態が更新された状態空間表現に依存し、その不確実性は、新たに観測されたシステム出力に関連する新しい情報によって制御される。
本稿では、カルマンフィルタと拡張カルマンフィルタを、入力、状態、出力が時間とともに変化可能な属性グラフとして表される離散時間設定に一般化する。
この設定により、アウトプットがベクトルかスカラー(ノード/グラフレベルタスク)である場合にもフレームワークを適用することができます。
提案する理論的枠組みでは、未知の状態遷移と読み出し関数が下流予測タスクとともにエンドツーエンドに学習される。
関連論文リスト
- Deep Manifold Graph Auto-Encoder for Attributed Graph Embedding [51.75091298017941]
本稿では,属性付きグラフデータに対する新しいDeep Manifold (Variational) Graph Auto-Encoder (DMVGAE/DMGAE)を提案する。
提案手法は,最先端のベースラインアルゴリズムを,一般的なデータセット間でのダウンストリームタスクの差を大きく越える。
論文 参考訳(メタデータ) (2024-01-12T17:57:07Z) - Deep Gaussian Markov Random Fields for Graph-Structured Dynamical
Systems [0.0]
グラフ構造化状態空間モデルにおける状態推定と学習の原理的アプローチを開発する。
簡単な空間グラフ層と時間グラフ層によって定義されるディープGMRFとしてグラフ構造化状態空間モデルを再構成する。
論文 参考訳(メタデータ) (2023-06-14T11:37:12Z) - Asynchronously Trained Distributed Topographic Maps [0.0]
分散トレーニングによって特徴マップを生成するために,N$の自律ユニットを用いたアルゴリズムを提案する。
単位の自律性は、分散探索とカスケード駆動の重み更新スキームを組み合わせることで、時間と空間のスパース相互作用によって達成される。
論文 参考訳(メタデータ) (2023-01-20T01:15:56Z) - Sparsification and Filtering for Spatial-temporal GNN in Multivariate
Time-series [0.0]
本稿では,時空間グラフニューラルネットワークと行列フィルタリングモジュールを統合した多変量時系列予測のためのエンドツーエンドアーキテクチャを提案する。
このモジュールは、GNNに入力する前に、多変量時系列からフィルタ(逆)相関グラフを生成する。
グラフニューラルネットワークで採用されている既存のスカラー化手法とは対照的に,我々のモデルは,複雑なシステムデータに典型的な低信号-雑音比を克服するために,時系列フィルタリングを明示的に活用する。
論文 参考訳(メタデータ) (2022-03-08T10:44:30Z) - Unsupervised Learned Kalman Filtering [84.18625250574853]
教師なし適応は、KalmanNetのハイブリッドモデルベース/データ駆動アーキテクチャを活用することで達成される。
我々は、ノイズ統計が未知の場合、教師なしのKalmanNetが教師なし学習でKalmanNetと同じような性能を達成することを数値的に示す。
論文 参考訳(メタデータ) (2021-10-18T04:04:09Z) - Space-Time Graph Neural Networks [104.55175325870195]
本研究では、時空間グラフニューラルネットワーク(ST-GNN)を導入し、時間変動ネットワークデータの時空間トポロジを共同処理する。
解析の結果,システムのネットワークトポロジと時間進化の変動はST-GNNの性能に大きく影響しないことがわかった。
論文 参考訳(メタデータ) (2021-10-06T16:08:44Z) - KalmanNet: Neural Network Aided Kalman Filtering for Partially Known
Dynamics [84.18625250574853]
KalmanNetは、データから学習し、非線形力学の下でKalmanフィルタを実行するリアルタイム状態推定器である。
我々は、KalmanNetが非線形性とモデルミスマッチを克服し、古典的なフィルタリング手法より優れていることを数値的に示す。
論文 参考訳(メタデータ) (2021-07-21T12:26:46Z) - Stability to Deformations of Manifold Filters and Manifold Neural
Networks [97.81148499653452]
本論文は、多様体(M)畳み込みフィルタとニューラルネットワーク(NN)を定義し、研究する。
この論文の主な技術的貢献は、多様体の滑らかな変形に対する多様体フィルタとMNNの安定性を分析することである。
論文 参考訳(メタデータ) (2021-06-07T15:41:03Z) - Structural Temporal Graph Neural Networks for Anomaly Detection in
Dynamic Graphs [54.13919050090926]
本稿では,動的グラフの異常エッジを検出するために,エンドツーエンドの時間構造グラフニューラルネットワークモデルを提案する。
特に,まずターゲットエッジを中心にした$h$ホップ囲むサブグラフを抽出し,各ノードの役割を識別するノードラベル機能を提案する。
抽出した特徴に基づき,GRU(Gated Recurrent Unit)を用いて,異常検出のための時間的情報を取得する。
論文 参考訳(メタデータ) (2020-05-15T09:17:08Z) - Online Learning of the Kalman Filter with Logarithmic Regret [2.0305676256390934]
高い確率で$mathrmpolylog(N)$の順序を後悔することは可能であり、$N$は収集された観測数である。
これは、将来の観測と過去の観測との概ね線形関係を利用するオンラインの最小二乗アルゴリズムを用いて達成される。
論文 参考訳(メタデータ) (2020-02-12T18:31:31Z)
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。