論文の概要: [Re] The Discriminative Kalman Filter for Bayesian Filtering with Nonlinear and Non-Gaussian Observation Models

• arxiv url: http://arxiv.org/abs/2401.14429v1
• Date: Wed, 24 Jan 2024 21:00:42 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-29 16:59:37.133063
• Title: [Re] The Discriminative Kalman Filter for Bayesian Filtering with Nonlinear and Non-Gaussian Observation Models
• Title（参考訳）: [Re]非線形および非ガウス観測モデルを用いたベイズフィルタの判別カルマンフィルタ
• Authors: Josue Casco-Rodriguez, Caleb Kemere, Richard G. Baraniuk
• Abstract要約: カルマンフィルタは、隠れた変数や潜伏変数を推定する単純かつ解釈可能な手段を提供する。 そのような応用の1つは神経補綴のための神経復号法である。 この研究は、高非線形または非ガウス観測モデルに対する著者のアルゴリズムに代わるオープンソースのPythonを提供する。
• 参考スコア（独自算出の注目度）: 25.587281577467405
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Kalman filters provide a straightforward and interpretable means to estimate hidden or latent variables, and have found numerous applications in control, robotics, signal processing, and machine learning. One such application is neural decoding for neuroprostheses. In 2020, Burkhart et al. thoroughly evaluated their new version of the Kalman filter that leverages Bayes' theorem to improve filter performance for highly non-linear or non-Gaussian observation models. This work provides an open-source Python alternative to the authors' MATLAB algorithm. Specifically, we reproduce their most salient results for neuroscientific contexts and further examine the efficacy of their filter using multiple random seeds and previously unused trials from the authors' dataset. All experiments were performed offline on a single computer.
• Abstract（参考訳）: カルマンフィルタは、隠れた変数や潜在変数を推定するための単純で解釈可能な手段を提供し、制御、ロボティクス、信号処理、機械学習に多くの応用がある。 そのような応用の1つは神経補綴のための神経復号である。 2020年、Burkhartらは、ベイズの定理を利用して高非線形または非ガウス観測モデルのフィルタ性能を改善するカルマンフィルタの新バージョンを徹底的に評価した。 この作業は、著者のMATLABアルゴリズムに代わるオープンソースのPythonを提供する。 具体的には,神経科学的な文脈において最も有意義な結果を再現し,複数のランダム種を用いたフィルタの有効性と,従来未使用だったデータセットの有効性について検討した。 全ての実験は1台のコンピュータでオフラインで行われた。

関連論文リスト

• Learning Optimal Filters Using Variational Inference [0.3749861135832072]
  本稿では,パラメータ化解析マップを学習するためのフレームワークを提案する。 この手法は線形および非線形力学系をフィルタリングするゲイン行列の学習に利用できることを示す。 今後、このフレームワークを新しいフィルタリングアルゴリズムの学習に適用する予定である。
  論文  参考訳（メタデータ） (2024-06-26T04:51:14Z)
• 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)
• Implicit Maximum a Posteriori Filtering via Adaptive Optimization [4.767884267554628]
  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。
  論文  参考訳（メタデータ） (2023-11-17T15:30:44Z)
• 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)
• 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)
• An energy-based deep splitting method for the nonlinear filtering problem [0.0]
  本研究の主な目的は,ディープラーニングによる非線形フィルタリング問題を概ね解決することである。 これは、(確率的な)偏微分方程式の近似解のために以前に開発されたディープスプリッティング法により、ザカイ方程式を解くことで達成される。 これは、ディープニューラルネットワークによる関数近似のためのエネルギーベースモデルと組み合わせられる。
  論文  参考訳（メタデータ） (2022-03-31T16:26:54Z)
• Deep Learning for the Benes Filter [91.3755431537592]
  本研究では,メッシュのないニューラルネットワークによるベンズモデルの解の密度の表現に基づく新しい数値計算法を提案する。 ニューラルネットワークの領域選択におけるフィルタリングモデル方程式における非線形性の役割について論じる。
  論文  参考訳（メタデータ） (2022-03-09T14:08:38Z)
• Learning Versatile Convolution Filters for Efficient Visual Recognition [125.34595948003745]
  本稿では,効率的な畳み込みニューラルネットワーク構築のための多目的フィルタを提案する。 本稿では,ネットワークの複雑性に関する理論的解析を行い,効率的な畳み込み手法を提案する。 ベンチマークデータセットとニューラルネットワークの実験結果は、我々の汎用フィルタが元のフィルタと同等の精度を達成できることを実証している。
  論文  参考訳（メタデータ） (2021-09-20T06:07:14Z)
• 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)
• Neural Kalman Filtering [62.997667081978825]
  カルマンフィルタの勾配差近似は,差分重み付き予測誤差を持つ局所計算のみを必要とすることを示す。 また、同じスキームの下では、ヘビアン可塑性に直接対応する学習規則で動的モデルを適応的に学習することが可能であることを示す。
  論文  参考訳（メタデータ） (2021-02-19T16:43:15Z)

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。