論文の概要: Finite-sample Identification of Continuous-time Parameter-linear Systems
- arxiv url: http://arxiv.org/abs/2312.05382v1
- Date: Fri, 8 Dec 2023 21:42:11 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-12 21:07:47.625935
- Title: Finite-sample Identification of Continuous-time Parameter-linear Systems
- Title(参考訳): 連続時間パラメータ線形系の有限サンプル同定
- Authors: Simon Kuang, Xinfan Lin
- Abstract要約: 連続時間線形系に対する有限差分微分フィルタとTikhonov正規化最小二乗推定器を構築し,解析する。
副生成物として、摂動されたムーア-ペンローズ擬逆の新たな解析を提供する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Differentiating noisy, discrete measurements in order to fit an ordinary
differential equation can be unreasonably effective. Assuming square-integrable
noise and minimal flow regularity, we construct and analyze a finite-difference
differentiation filter and a Tikhonov-regularized least squares estimator for
the continuous-time parameter-linear system. Combining these contributions in
series, we obtain a finite-sample bound on mean absolute error of estimation.
As a by-product, we offer a novel analysis of stochastically perturbed
Moore-Penrose pseudoinverses.
- Abstract(参考訳): 通常の微分方程式に適合するために、雑音を区別する離散的な測定は、合理的に有効である。
二乗可積分ノイズと最小流れ正則性を仮定し,連続時間パラメータ線形系の有限差分微分フィルタとチホノフ正規化最小二乗推定器を構築し解析する。
これらの寄与を直列に組み合わせることで,推定の平均絶対誤差に基づく有限サンプル境界を得る。
副産物として, 確率的に摂動するムーア・ペンローズ擬逆解析法を提案する。
関連論文リスト
- Sampling and estimation on manifolds using the Langevin diffusion [48.898189211250234]
離散化マルコフ過程に基づく$mu_phi $の線形汎函数の2つの推定器を検討する。
誤差境界は、本質的に定義されたランゲヴィン拡散の離散化を用いてサンプリングと推定のために導出される。
論文 参考訳(メタデータ) (2023-12-22T18:01:11Z) - Finite-Sample Analysis of the Temporal Difference Learning [19.41392852257322]
一般化された, インスタンスに依存しないステップサイズを持つ単純なアルゴリズムは, ほぼ最適分散とバイアス項を得るのに十分であることを示す。
本手法は, 線形近似のための洗練された誤差境界と, ランダム行列の積に対する新しい安定性結果に基づく。
論文 参考訳(メタデータ) (2023-10-22T12:37:25Z) - Temporal-spatial model via Trend Filtering [12.875863572064986]
本研究は、時間と空間の同時依存性を持つデータを対象とした非パラメトリック回帰関数の推定に焦点をあてる。
トレンド・フィルタの研究で以前は知られていなかった一意の相転移現象が、我々の分析を通して現れる。
論文 参考訳(メタデータ) (2023-08-30T17:50:00Z) - Interacting Particle Langevin Algorithm for Maximum Marginal Likelihood
Estimation [2.53740603524637]
我々は,最大限界推定法を実装するための相互作用粒子系のクラスを開発する。
特に、この拡散の定常測度のパラメータ境界がギブス測度の形式であることを示す。
特定の再スケーリングを用いて、このシステムの幾何学的エルゴディディティを証明し、離散化誤差を限定する。
時間的に一様で、粒子の数で増加しない方法で。
論文 参考訳(メタデータ) (2023-03-23T16:50:08Z) - Restoration-Degradation Beyond Linear Diffusions: A Non-Asymptotic
Analysis For DDIM-Type Samplers [90.45898746733397]
本研究では拡散生成モデルに用いる決定論的サンプリング器の非漸近解析のためのフレームワークを開発する。
確率フローODEに沿った1ステップは,1) 条件付き対数線上を無限に先行して上昇する回復ステップ,2) 雑音を現在の勾配に向けて前向きに進行する劣化ステップの2段階で表すことができる。
論文 参考訳(メタデータ) (2023-03-06T18:59:19Z) - Score-based Continuous-time Discrete Diffusion Models [102.65769839899315]
連続時間マルコフ連鎖を介して逆過程が認知されるマルコフジャンププロセスを導入することにより、拡散モデルを離散変数に拡張する。
条件境界分布の単純なマッチングにより、偏りのない推定器が得られることを示す。
提案手法の有効性を,合成および実世界の音楽と画像のベンチマークで示す。
論文 参考訳(メタデータ) (2022-11-30T05:33:29Z) - Efficient Learning of the Parameters of Non-Linear Models using
Differentiable Resampling in Particle Filters [1.9499120576896227]
粒子フィルタにおけるサンプリングと再サンプリングのステップを区別することが広く文書化されている。
2つの状態空間モデルを検討し、NUTSがマルコフ連鎖の混合を改善し、計算時間の短縮でより正確な結果が得られることを示す。
論文 参考訳(メタデータ) (2021-11-02T08:03:09Z) - Differentiable Annealed Importance Sampling and the Perils of Gradient
Noise [68.44523807580438]
Annealed importance sample (AIS) と関連するアルゴリズムは、限界推定のための非常に効果的なツールである。
差別性は、目的として限界確率を最適化する可能性を認めるため、望ましい性質である。
我々はメトロポリス・ハスティングスのステップを放棄して微分可能アルゴリズムを提案し、ミニバッチ計算をさらに解き放つ。
論文 参考訳(メタデータ) (2021-07-21T17:10:14Z) - The Connection between Discrete- and Continuous-Time Descriptions of
Gaussian Continuous Processes [60.35125735474386]
我々は、一貫した推定子をもたらす離散化が粗粒化下での不変性を持つことを示す。
この結果は、導関数再構成のための微分スキームと局所時間推論アプローチの組み合わせが、2次または高次微分方程式の時系列解析に役立たない理由を説明する。
論文 参考訳(メタデータ) (2021-01-16T17:11:02Z) - Distributed, partially collapsed MCMC for Bayesian Nonparametrics [68.5279360794418]
ディリクレ法やベータ・ベルヌーリ法のようなモデルでよく用いられる完全無作為測度は独立な部分測度に分解可能であるという事実を利用する。
この分解を用いて、潜在測度を、インスタンス化された成分のみを含む有限測度と、他のすべての成分を含む無限測度に分割する。
得られたハイブリッドアルゴリズムは、収束保証を犠牲にすることなくスケーラブルな推論を可能にすることができる。
論文 参考訳(メタデータ) (2020-01-15T23:10:13Z)
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。