Fugu-MT 論文翻訳(概要): Online Identification of Stochastic Continuous-Time Wiener Models Using Sampled Data

論文の概要: Online Identification of Stochastic Continuous-Time Wiener Models Using Sampled Data

arxiv url: http://arxiv.org/abs/2403.05899v1
Date: Sat, 9 Mar 2024 12:33:09 GMT
ステータス: 処理完了
システム内更新日: 2024-03-13 11:53:00.128599
Title: Online Identification of Stochastic Continuous-Time Wiener Models Using Sampled Data
Title（参考訳）: サンプルデータを用いた確率的連続時間ウィナーモデルのオンライン同定
Authors: Mohamed Abdalmoaty, Efe C. Balta, John Lygeros, Roy S. Smith
Abstract要約: 連続時間ウィナーモデルの同定のための出力エラー予測器に基づくオンライン推定アルゴリズムを開発した。この方法は、外乱過程のスペクトルに関する仮定に対して堅牢である。
参考スコア（独自算出の注目度）: 4.037738063437126
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: It is well known that ignoring the presence of stochastic disturbances in the identification of stochastic Wiener models leads to asymptotically biased estimators. On the other hand, optimal statistical identification, via likelihood-based methods, is sensitive to the assumptions on the data distribution and is usually based on relatively complex sequential Monte Carlo algorithms. We develop a simple recursive online estimation algorithm based on an output-error predictor, for the identification of continuous-time stochastic parametric Wiener models through stochastic approximation. The method is applicable to generic model parameterizations and, as demonstrated in the numerical simulation examples, it is robust with respect to the assumptions on the spectrum of the disturbance process.
Abstract（参考訳）: 確率的ウィナーモデルの同定において確率的外乱の存在を無視すると漸近的に偏った推定子が生じることはよく知られている。一方、確率に基づく手法による最適な統計的同定は、データ分布の仮定に敏感であり、通常は比較的複雑なモンテカルロアルゴリズムに基づいている。確率近似による連続時間確率的パラメトリックウィナーモデルの同定を目的として,出力誤差予測器に基づく簡易再帰的オンライン推定アルゴリズムを開発した。この手法は一般的なモデルパラメータ化に適用でき、数値シミュレーションの例で示されているように、外乱過程のスペクトルに関する仮定に対して堅牢である。

関連論文リスト

Diffusion posterior sampling for simulation-based inference in tall data settings [53.17563688225137]
シミュレーションベース推論(SBI)は、入力パラメータを所定の観測に関連付ける後部分布を近似することができる。本研究では、モデルのパラメータをより正確に推測するために、複数の観測値が利用できる、背の高いデータ拡張について考察する。提案手法を,最近提案した各種数値実験の競合手法と比較し,数値安定性と計算コストの観点から,その優位性を実証した。
論文参考訳（メタデータ） (2024-04-11T09:23:36Z)
Online Variational Sequential Monte Carlo [49.97673761305336]
我々は,計算効率が高く正確なモデルパラメータ推定とベイジアン潜在状態推定を提供する変分連続モンテカルロ法(VSMC)を構築した。オンラインVSMCは、パラメータ推定と粒子提案適応の両方を効率よく、完全にオンザフライで実行することができる。
論文参考訳（メタデータ） (2023-12-19T21:45:38Z)
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)
Fast Estimation of Bayesian State Space Models Using Amortized Simulation-Based Inference [0.0]
本稿では,ベイズ状態空間モデルの隠れ状態を推定するための高速アルゴリズムを提案する。事前トレーニングの後、データセットの後方分布を見つけるには、100分の1秒から10分の1秒かかる。
論文参考訳（メタデータ） (2022-10-13T16:37:05Z)
Statistical Efficiency of Score Matching: The View from Isoperimetry [96.65637602827942]
本研究では, スコアマッチングの統計的効率と推定される分布の等尺性との間に, 密接な関係を示す。これらの結果はサンプル状態と有限状態の両方で定式化する。
論文参考訳（メタデータ） (2022-10-03T06:09:01Z)
Generalised Bayesian Inference for Discrete Intractable Likelihood [9.331721990371769]
本稿では、離散的難易度に適した新しい一般化されたベイズ推論手法を開発する。連続データに対する最近の方法論的な進歩にインスパイアされた主なアイデアは、離散的なフィッシャー分岐を用いてモデルパラメータに関する信念を更新することである。結果は一般化された後部であり、マルコフ・モンテカルロのような標準的な計算ツールからサンプリングすることができる。
論文参考訳（メタデータ） (2022-06-16T19:36:17Z)
Markov Chain Monte Carlo for Continuous-Time Switching Dynamical Systems [26.744964200606784]
マルコフ連鎖モンテカルロ法による新しい推論アルゴリズムを提案する。提示されたギブスサンプルは、正確な連続時間後処理から試料を効率的に得ることができる。
論文参考訳（メタデータ） (2022-05-18T09:03:00Z)
Probabilistic Estimation of Chirp Instantaneous Frequency Using Gaussian Processes [4.150253997298207]
本稿では、チャープと瞬時周波数の真の形状が不明な場合に、信号とその瞬時周波数関数を推定するための確率論的アプローチを提案する。実験により, この手法は合成モデル上で多くのベースライン法より優れており, 重力波データの解析にも適用できることがわかった。
論文参考訳（メタデータ） (2022-05-12T18:47:13Z)
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)
New Algorithms And Fast Implementations To Approximate Stochastic Processes [0.0]
モデリングプロセスの効率的な近似を求めるために,新しいアルゴリズムと高速な実装を提案する。ゴールは常に有限モデルを見つけることであり、これは実際のデータプロセスに関する与えられた知識をできるだけ正確に表現するものである。
論文参考訳（メタデータ） (2020-12-01T06:14:16Z)
Instability, Computational Efficiency and Statistical Accuracy [101.32305022521024]
我々は,人口レベルでのアルゴリズムの決定論的収束率と,$n$サンプルに基づく経験的対象に適用した場合の(不安定性)の間の相互作用に基づいて,統計的精度を得るフレームワークを開発する。本稿では,ガウス混合推定,非線形回帰モデル,情報的非応答モデルなど,いくつかの具体的なモデルに対する一般結果の応用について述べる。
論文参考訳（メタデータ） (2020-05-22T22:30:52Z)

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。