論文の概要: Joint State Estimation and Noise Identification Based on Variational
Optimization
- arxiv url: http://arxiv.org/abs/2312.09585v1
- Date: Fri, 15 Dec 2023 07:47:03 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-18 16:51:20.969965
- Title: Joint State Estimation and Noise Identification Based on Variational
Optimization
- Title(参考訳): 変分最適化に基づく連立状態推定と雑音同定
- Authors: Hua Lan and Shijie Zhao and Jinjie Hu and Zengfu Wang and Jing Fu
- Abstract要約: CVIAKFと呼ばれる共役計算変分推論に基づく新しい適応カルマンフィルタ法を提案する。
CVIAKFの有効性は、目標追尾のための合成および実世界のデータセットを通して検証される。
- 参考スコア(独自算出の注目度): 8.536356569523127
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this article, the state estimation problems with unknown process noise and
measurement noise covariances for both linear and nonlinear systems are
considered. By formulating the joint estimation of system state and noise
parameters into an optimization problem, a novel adaptive Kalman filter method
based on conjugate-computation variational inference, referred to as CVIAKF, is
proposed to approximate the joint posterior probability density function of the
latent variables. Unlike the existing adaptive Kalman filter methods utilizing
variational inference in natural-parameter space, CVIAKF performs optimization
in expectation-parameter space, resulting in a faster and simpler solution.
Meanwhile, CVIAKF divides optimization objectives into conjugate and
non-conjugate parts of nonlinear dynamical models, whereas conjugate
computations and stochastic mirror-descent are applied, respectively.
Remarkably, the reparameterization trick is used to reduce the variance of
stochastic gradients of the non-conjugate parts. The effectiveness of CVIAKF is
validated through synthetic and real-world datasets of maneuvering target
tracking.
- Abstract(参考訳): 本稿では,線形および非線形系の未知のプロセスノイズと測定ノイズの共分散に関する状態推定問題を考察する。
システム状態と雑音パラメータの同時推定を最適化問題として定式化することにより,cviakfと呼ばれる共役計算変分推定に基づく新しい適応カルマンフィルタ法を提案し,潜在変数の連立後確率密度関数を近似する。
自然パラメータ空間の変分推論を利用する既存の適応カルマンフィルタとは異なり、CVIAKFは期待パラメータ空間の最適化を行い、より高速で簡単な解が得られる。
一方,CVIAKFは最適化目標を非線形力学モデルの共役部と非共役部に分割し,共役計算と確率ミラー・ディフレッションを適用した。
驚くべきことに、再パラメータ化トリックは、非共役部分の確率勾配の分散を低減するために使用される。
cviakfの有効性は、操作対象追跡の合成および実世界データセットを通じて検証される。
関連論文リスト
- Accelerated zero-order SGD under high-order smoothness and overparameterized regime [79.85163929026146]
凸最適化問題を解くための新しい勾配のないアルゴリズムを提案する。
このような問題は医学、物理学、機械学習で発生する。
両種類の雑音下で提案アルゴリズムの収束保証を行う。
論文 参考訳(メタデータ) (2024-11-21T10:26:17Z) - Semi-Implicit Functional Gradient Flow [30.32233517392456]
近似系として摂動粒子を用いる関数勾配ParVI法を提案する。
対応する関数勾配流は、スコアマッチングによって推定できるが、強い理論的収束を保証する。
論文 参考訳(メタデータ) (2024-10-23T15:00:30Z) - Variance-Reducing Couplings for Random Features [57.73648780299374]
ランダム機能(RF)は、機械学習においてカーネルメソッドをスケールアップする一般的なテクニックである。
ユークリッド空間と離散入力空間の両方で定義されるRFを改善するための結合を求める。
パラダイムとしての分散還元の利点と限界について、驚くほどの結論に達した。
論文 参考訳(メタデータ) (2024-05-26T12:25:09Z) - Nonparametric Automatic Differentiation Variational Inference with
Spline Approximation [7.5620760132717795]
複雑な構造を持つ分布に対するフレキシブルな後続近似を可能にする非パラメトリック近似法を開発した。
広く使われている非パラメトリック推論手法と比較して,提案手法は実装が容易であり,様々なデータ構造に適応する。
実験では, 複雑な後続分布の近似における提案手法の有効性を実証し, 不完全データを用いた生成モデルの性能向上を図った。
論文 参考訳(メタデータ) (2024-03-10T20:22:06Z) - Towards stable real-world equation discovery with assessing
differentiating quality influence [52.2980614912553]
一般的に用いられる有限差分法に代わる方法を提案する。
我々は,これらの手法を実問題と類似した問題に適用可能であること,および方程式発見アルゴリズムの収束性を確保する能力の観点から評価する。
論文 参考訳(メタデータ) (2023-11-09T23:32:06Z) - CoLiDE: Concomitant Linear DAG Estimation [12.415463205960156]
観測データから線形方程式への非巡回グラフ構造学習の問題に対処する。
本稿では,空間認識学習DAGのための新しい凸スコア関数を提案する。
論文 参考訳(メタデータ) (2023-10-04T15:32:27Z) - Learning Unnormalized Statistical Models via Compositional Optimization [73.30514599338407]
実データと人工雑音のロジスティックな損失として目的を定式化することにより, ノイズコントラスト推定(NCE)を提案する。
本稿では,非正規化モデルの負の対数類似度を最適化するための直接的アプローチについて検討する。
論文 参考訳(メタデータ) (2023-06-13T01:18:16Z) - Low-rank extended Kalman filtering for online learning of neural
networks from streaming data [71.97861600347959]
非定常データストリームから非線形関数のパラメータを推定するための効率的なオンライン近似ベイズ推定アルゴリズムを提案する。
この方法は拡張カルマンフィルタ (EKF) に基づいているが、新しい低ランク+斜角行列分解法を用いている。
変分推論に基づく手法とは対照的に,本手法は完全に決定論的であり,ステップサイズチューニングを必要としない。
論文 参考訳(メタデータ) (2023-05-31T03:48:49Z) - Variational Nonlinear Kalman Filtering with Unknown Process Noise
Covariance [24.23243651301339]
本稿では,近似ベイズ推定原理に基づく非線形状態推定とモデルパラメータの同定手法を提案する。
シミュレーションおよび実世界のデータを用いて,レーダ目標追尾法の性能を検証した。
論文 参考訳(メタデータ) (2023-05-06T03:34:39Z) - Variational Kalman Filtering with Hinf-Based Correction for Robust
Bayesian Learning in High Dimensions [2.294014185517203]
本稿では,頑健な変動目標とHinf-normに基づく補正を適用し,逐次変動推定フィルタ(VIF)の収束問題に対処する。
連続的な変分推論とHinfに基づく最適化ステップを利用する新しいVIF-Hinf再帰法を提案する。
論文 参考訳(メタデータ) (2022-04-27T17:38:13Z) - A Priori Denoising Strategies for Sparse Identification of Nonlinear
Dynamical Systems: A Comparative Study [68.8204255655161]
本研究では, 局所的およびグローバルな平滑化手法の性能と, 状態測定値の偏差について検討・比較する。
一般に,測度データセット全体を用いたグローバルな手法は,局所点の周辺に隣接するデータサブセットを用いる局所的手法よりも優れていることを示す。
論文 参考訳(メタデータ) (2022-01-29T23:31:25Z)
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。