論文の概要: Set-Type Belief Propagation with Applications to Mapping, MTT, SLAM, and
SLAT
- arxiv url: http://arxiv.org/abs/2305.04797v1
- Date: Fri, 5 May 2023 10:24:49 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-09 13:52:12.089955
- Title: Set-Type Belief Propagation with Applications to Mapping, MTT, SLAM, and
SLAT
- Title（参考訳）: 集合型信念伝播とマッピング, MTT, SLAM, SLATへの応用
- Authors: Hyowon Kim, Angel F. Garc\'ia-Fern\'andez, Yu Ge, Yuxuan Xia, Lennart
Svensson, Henk Wymeersch
- Abstract要約: 確率伝播(BP)は、確率変数の近辺確率密度を効率的に計算するための有用な確率的推論アルゴリズムである。
本稿では,集合型確率変数に対するBP則を開発し,ベクトル型BPが集合型BPの特別な場合であることを実証する。
本稿では,提案したBP-SLAMフィルタの性能向上について,ベクトル型BP-SLAMフィルタと比較した。
- 参考スコア（独自算出の注目度）: 25.999768866249823
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Belief propagation (BP) is a useful probabilistic inference algorithm for
efficiently computing approximate marginal probability densities of random
variables. However, in its standard form, BP is applicable to only the
vector-type random variables, while certain applications rely on set-type
random variables with an unknown number of vector elements. In this paper, we
first develop BP rules for set-type random variables and demonstrate that
vector-type BP is a special case of set-type BP. We further propose factor
graphs with set-factor and set-variable nodes by devising the set-factor nodes
that can address the set-variables with random elements and cardinality, while
the number of vector elements in vector-type is known. To demonstrate the
validity of developed set-type BP, we apply it to the Poisson multi-Bernoulli
(PMB) filter for simultaneous localization and mapping (SLAM), which naturally
leads to a new set-type BP-SLAM filter. Finally, we reveal connections between
the vector-type BP-SLAM filter and the proposed set-type BP-SLAM filter and
show a performance gain of the proposed set-type BP-SLAM filter in comparison
with the vector-type BP-SLAM filter.
- Abstract（参考訳）: 信念伝播 (bp) は確率変数の近似限界確率密度を効率的に計算する有用な確率的推論アルゴリズムである。
しかし、標準形式では、BPはベクトル型確率変数のみに適用できるが、特定のアプリケーションは未知のベクトル要素を持つ集合型確率変数に依存している。
本稿では,まず,集合型確率変数に対するBP規則を開発し,ベクトル型BPが集合型BPの特別な場合であることを実証する。
さらに,集合変数をランダムな要素と濃度で対応できる集合因子ノードを考案し,ベクトル型ベクトル要素の数を把握しながら,集合因子と集合変数ノードを持つ因子グラフを提案する。
開発した集合型bpの有効性を実証するために,poisson multi-bernoulli (pmb) filter for concurrent localization and mapping (slam) に適用した。
最後に,ベクトル型BP-SLAMフィルタと提案したセット型BP-SLAMフィルタとの接続を明らかにし,ベクトル型BP-SLAMフィルタと比較して,提案したセット型BP-SLAMフィルタの性能向上を示す。
関連論文リスト
- Circular Belief Propagation for Approximate Probabilistic Inference [0.07282584715927627]
Belief Propagation (BP) は、確率分布を表すグラフのノード間でメッセージを渡す単純な確率的推論アルゴリズムである。
本稿では,BPの拡張であるCircular Belief Propagation (CBP)を提案する。
CBP が BP をはるかに上回り,従来提案したアルゴリズムと比較して優れた性能を示すバイナリ確率グラフを含む数値実験を行った。
論文 参考訳（メタデータ） (2024-03-17T15:59:39Z) - Sliced Wasserstein with Random-Path Projecting Directions [49.802024788196434]
本稿では,モンテカルロ予想推定のための高速サンプリングを行う最適化自由スライシング分布を提案する。
我々はランダムパススライシング分布(RPSD)とスライスされたワッサースタインの2つの変種、すなわちランダムパススライシングワッサースタイン(RPSW)とIWRPSW(Importance Weighted Random-Path Projection Sliced Wasserstein)を導出する。
論文 参考訳（メタデータ） (2024-01-29T04:59:30Z) - On Optimal Sampling for Learning SDF Using MLPs Equipped with Positional
Encoding [79.67071790034609]
我々は、好ましくない副作用を伴わずに、正確な暗黙の場を学習するための適切なサンプリング率を決定するツールを考案した。
PEを具備したPEは、PE層の最高周波数成分よりも内在周波数がはるかに高いことが観察された。
SDFフィッティングの設定において,この推奨サンプリングレートは正確なフィッティング結果の確保に十分であることを示す。
論文 参考訳（メタデータ） (2024-01-02T10:51:52Z) - Belief Propagation Decoding of Quantum LDPC Codes with Guided Decimation [55.8930142490617]
BPガイドデシミテーション(BPGD)に基づくQLDPC符号のデコーダを提案する。
BPGDは非収束によるBP故障率を著しく低下させる。
論文 参考訳（メタデータ） (2023-12-18T05:58:07Z) - Matching Normalizing Flows and Probability Paths on Manifolds [57.95251557443005]
連続正規化フロー (Continuous Normalizing Flows, CNFs) は、常微分方程式(ODE)を解くことによって、先行分布をモデル分布に変換する生成モデルである。
我々は,CNFが生成する確率密度パスと目標確率密度パスとの間に生じる新たな分岐系であるPPDを最小化して,CNFを訓練することを提案する。
PPDの最小化によって得られたCNFは、既存の低次元多様体のベンチマークにおいて、その可能性とサンプル品質が得られることを示す。
論文 参考訳（メタデータ） (2022-07-11T08:50:19Z) - Regression or Classification? Reflection on BP prediction from PPG data
using Deep Neural Networks in the scope of practical applications [3.867363075280544]
光胸腺造影信号は、心拍数分析や血中酸素濃度モニタリング以上の診断可能性を提供する。
近年の研究では、血圧推定に対する非侵襲的なPSGベースのアプローチに焦点が当てられている。
BP分類は,多くの臨床的シナリオにおいて,回帰と同等の診断値を提供する可能性があると論じる。
論文 参考訳（メタデータ） (2022-04-12T08:07:38Z) - A Theoretical View of Linear Backpropagation and Its Convergence [55.69505060636719]
バックプロパゲーション(BP)はディープニューラルネットワーク(DNN)の勾配を計算するために広く用いられている
最近では、NinBPと呼ばれるBPの線形変種が導入され、ブラックボックス攻撃を行うためのより伝達可能な逆の例が生み出された。
本稿では,LinBPのニューラルネットワーク関連学習課題における理論的解析について述べる。
論文 参考訳（メタデータ） (2021-12-21T07:18:00Z) - GFlowNet Foundations [66.69854262276391]
Generative Flow Networks (GFlowNets) は、多様な候補をアクティブな学習コンテキストでサンプリングする方法として導入された。
GFlowNetのさらなる理論的性質について述べる。
論文 参考訳（メタデータ） (2021-11-17T17:59:54Z) - A Generalized Proportionate-Type Normalized Subband Adaptive Filter [25.568699776077164]
重み付きノルムで正規化されたサブバンド誤差の最小二乗という新しい設計基準が、比例型正規化サブバンド適応フィルタリング(PtNSAF)フレームワークの一般化に有効であることを示す。
汎用PtNSAF (GPtNSAF) のシステム同定問題に対するコンピュータシミュレーションによる影響について検討した。
論文 参考訳（メタデータ） (2021-11-17T07:49:38Z) - A Deep Learning Approach to Predict Blood Pressure from PPG Signals [10.028103259763352]
血圧(BP)は、身体の生命維持機能を示す4つの主要な重要な兆候の1つである。
PPG信号に基づいてBPを推定するために,3層ディープニューラルネットワークを用いた高度なデータ駆動手法を提案する。
論文 参考訳（メタデータ） (2021-07-30T22:45:34Z) - BP-MVSNet: Belief-Propagation-Layers for Multi-View-Stereo [0.0]
本稿では,CNNをベースとした多視点ステレオ(MVS)手法を提案する。
CRFにおけるラベルジャンプを正規化するために,期待される3次元誤差に基づいて正規化を計算する方法を示す。
また,分数ラベルのジャンプを可能にするために,ペア項の計算に組み込む微分可能なステップを提案する。
論文 参考訳（メタデータ） (2020-10-23T14:30:07Z)
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。