論文の概要: Implicit Maximum a Posteriori Filtering via Adaptive Optimization

• arxiv url: http://arxiv.org/abs/2311.10580v1
• Date: Fri, 17 Nov 2023 15:30:44 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-20 14:18:20.061550
• Title: Implicit Maximum a Posteriori Filtering via Adaptive Optimization
• Title（参考訳）: 適応最適化による暗黙的最大後方フィルタリング
• Authors: Gianluca M. Bencomo, Jake C. Snell, Thomas L. Griffiths
• Abstract要約: 標準ベイズフィルタ問題を時間変化目標に対する最適化として検討する。 我々のフレームワークは、高次元システムに対して効率的で堅牢でスケーラブルなフィルタをもたらすことを示す。
• 参考スコア（独自算出の注目度）: 4.767884267554628
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Bayesian filtering approximates the true underlying behavior of a time-varying system by inverting an explicit generative model to convert noisy measurements into state estimates. This process typically requires either storage, inversion, and multiplication of large matrices or Monte Carlo estimation, neither of which are practical in high-dimensional state spaces such as the weight spaces of artificial neural networks. Here, we frame the standard Bayesian filtering problem as optimization over a time-varying objective. Instead of maintaining matrices for the filtering equations or simulating particles, we specify an optimizer that defines the Bayesian filter implicitly. In the linear-Gaussian setting, we show that every Kalman filter has an equivalent formulation using K steps of gradient descent. In the nonlinear setting, our experiments demonstrate that our framework results in filters that are effective, robust, and scalable to high-dimensional systems, comparing well against the standard toolbox of Bayesian filtering solutions. We suggest that it is easier to fine-tune an optimizer than it is to specify the correct filtering equations, making our framework an attractive option for high-dimensional filtering problems.
• Abstract（参考訳）: ベイズフィルタは、明示的な生成モデルを反転させ、ノイズの測定結果を状態推定に変換することで、時間変動システムの真の基礎的な挙動を近似する。 このプロセスは通常、大きな行列の保存、反転、乗算、モンテカルロ推定のいずれかを必要とするが、いずれも人工ニューラルネットワークの重み空間のような高次元状態空間では実用的ではない。 ここでは,標準ベイズフィルタ問題を時間変化目標に対する最適化として構成する。 フィルタ方程式やシミュレーション粒子の行列を維持する代わりに、ベイズフィルタを暗黙的に定義する最適化器を指定する。 線型ガウシアン設定では、すべてのカルマンフィルタが勾配降下のkステップを用いて等価な定式化を持つことを示す。 非線形条件下では,本実験により,ベイズフィルタの標準ツールボックスと比較し,実効性,堅牢性,高次元システムにスケーラブルなフィルタが得られた。 我々は,オプティマイザを適切なフィルタリング方程式を特定するよりも微調整し易いことを提案し,このフレームワークを高次元フィルタリング問題に対する魅力的な選択肢とした。

関連論文リスト

• Outlier-robust Kalman Filtering through Generalised Bayes [45.51425214486509]
  我々は、状態空間モデルにおけるオンラインフィルタリングのための新しい、確実に堅牢でクローズドなベイズ更新ルールを導出する。 提案手法は, より少ない計算コストで, 他の頑健なフィルタリング手法に適合し, 性能が向上する。
  論文  参考訳（メタデータ） (2024-05-09T09:40:56Z)
• 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)
• Filter Pruning for Efficient CNNs via Knowledge-driven Differential Filter Sampler [103.97487121678276]
  フィルタプルーニングは同時に計算を加速し、CNNのメモリオーバーヘッドを低減する。 本稿では,MFM(Masked Filter Modeling)フレームワークを用いた知識駆動型微分フィルタサンプリング(KDFS)を提案する。
  論文  参考訳（メタデータ） (2023-07-01T02:28:41Z)
• 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)
• Reverse image filtering using total derivative approximation and accelerated gradient descent [82.93345261434943]
  線形あるいは非線形な画像フィルタの効果を逆転する新たな問題に対処する。 この仮定では、フィルタのアルゴリズムは未知であり、フィルタはブラックボックスとして利用できる。 この逆問題を、局所的なパッチベースのコスト関数の最小化として定式化し、全導関数を用いて勾配勾配の勾配を近似し、問題を解く。
  論文  参考訳（メタデータ） (2021-12-08T05:16:11Z)
• Fourier Series Expansion Based Filter Parametrization for Equivariant Convolutions [73.33133942934018]
  2次元フィルタパラメトリゼーション技術は同変畳み込みの設計において重要な役割を果たす。 F-Convというフィルタパラメトリゼーション法に基づく新しい同変畳み込み法 F-Convは、画像超解像タスクにおいて、以前のフィルタパラメトリゼーション法よりも明らかに優れている。
  論文  参考訳（メタデータ） (2021-07-30T10:01:52Z)
• Machine learning-based conditional mean filter: a generalization of the ensemble Kalman filter for nonlinear data assimilation [42.60602838972598]
  スパース観測に基づく非線形ダイナミクスを持つ高次元非ガウス状態モデルを追跡する機械学習ベースのアンサンブル条件付き平均フィルタ(ML-EnCMF)を提案する。 提案手法は条件付き期待値に基づいて開発され,機械学習(ML)技術とアンサンブル法を組み合わせて数値的に実装されている。
  論文  参考訳（メタデータ） (2021-06-15T06:40:32Z)
• Unsharp Mask Guided Filtering [53.14430987860308]
  本論文の目的は,フィルタ中の構造伝達の重要性を強調した画像フィルタリングである。 アンシャープマスキングにインスパイアされたガイドフィルタの新しい簡易な定式化を提案する。 我々の定式化は低域フィルタに先立ってフィルタを楽しみ、単一の係数を推定することで明示的な構造伝達を可能にする。
  論文  参考訳（メタデータ） (2021-06-02T19:15:34Z)
• Efficient Spatially Adaptive Convolution and Correlation [11.167305713900074]
  本研究では,空間的に異なる線形変換をフィルタに適用できる表現理論フレームワークを提案する。 このフレームワークは、回転(2Dおよび3D)やスケールのような変換群に対する拡張畳み込みと相関の効率的な実装を可能にする。 本稿では,パターンマッチング,画像特徴記述,ベクトル場可視化,適応画像フィルタリングへの応用について述べる。
  論文  参考訳（メタデータ） (2020-06-23T17:41:10Z)

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。