論文の概要: Ensemble Transport Filter via Optimized Maximum Mean Discrepancy
- arxiv url: http://arxiv.org/abs/2407.11518v1
- Date: Tue, 16 Jul 2024 08:54:12 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-17 15:52:20.927215
- Title: Ensemble Transport Filter via Optimized Maximum Mean Discrepancy
- Title（参考訳）: 最大値離散性最適化によるエンサンブルトランスポートフィルタ
- Authors: Dengfei Zeng, Lijian Jiang,
- Abstract要約: 本稿では, 粒子フィルタの解析段階をトランスポートマップで再構築し, アンサンブルに基づく新しいフィルタ法を提案する。
トランスポートマップは、最大平均離散損失関数によって記述された最適化問題によって構築される。
アンサンブルカルマンフィルタに対する提案手法の利点を示すために,いくつかの数値例を示す。
- 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: In this paper, we present a new ensemble-based filter method by reconstructing the analysis step of the particle filter through a transport map, which directly transports prior particles to posterior particles. The transport map is constructed through an optimization problem described by the Maximum Mean Discrepancy loss function, which matches the expectation information of the approximated posterior and reference posterior. The proposed method inherits the accurate estimation of the posterior distribution from particle filtering. To improve the robustness of Maximum Mean Discrepancy, a variance penalty term is used to guide the optimization. It prioritizes minimizing the discrepancy between the expectations of highly informative statistics for the approximated and reference posteriors. The penalty term significantly enhances the robustness of the proposed method and leads to a better approximation of the posterior. A few numerical examples are presented to illustrate the advantage of the proposed method over the ensemble Kalman filter.
- Abstract（参考訳）: 本稿では, 粒子を後続粒子へ直接輸送する輸送マップを用いて, 粒子フィルタの解析工程を再構築し, アンサンブルに基づく新しいフィルタ法を提案する。
このトランスポートマップは、最大平均離散損失関数によって記述された最適化問題によって構築され、近似された後部および基準後部の期待情報と一致する。
提案手法は, 粒子フィルタリングから後方分布の正確な推定を継承する。
最大平均離散性のロバスト性を改善するために、最適化を導くために分散ペナルティ項を用いる。
これは、近似された後部と参照された後部の非常に情報性の高い統計の期待の相違を最小化することを優先する。
ペナルティ項は提案手法のロバスト性を大幅に向上させ, 後部近似の精度を向上させる。
アンサンブルカルマンフィルタに対する提案手法の利点を示すために,いくつかの数値例を示す。
関連論文リスト
- Pathwise optimization for bridge-type estimators and its applications [49.1574468325115]
パスワイズ法は、ペナライズされた推定器の完全な経路を効率的に計算することができる。
これらのアルゴリズムを離散時間で観測されたプロセスのペナル化推定に適用する。
論文 参考訳（メタデータ） (2024-12-05T10:38:29Z) - Improving Diffusion Models for Inverse Problems Using Optimal Posterior Covariance [52.093434664236014]
近年の拡散モデルは、特定の逆問題に対して再訓練することなく、ノイズの多い線形逆問題に対する有望なゼロショット解を提供する。
この発見に触発されて、我々は、最大推定値から決定されるより原理化された共分散を用いて、最近の手法を改善することを提案する。
論文 参考訳（メタデータ） (2024-02-03T13:35:39Z) - Nonlinear Filtering with Brenier Optimal Transport Maps [4.745059103971596]
本稿では,非線形フィルタリング,すなわち動的システムの状態の条件分布の計算の問題について述べる。
従来の逐次重要再サンプリング(SIR)粒子フィルタは、縮退確率や高次元状態を含むシナリオにおいて、基本的な制限に悩まされる。
本稿では,Brenier 最適輸送 (OT) マップを,現在の状態の分布から次のステップにおける後部分布へ推定する手法について検討する。
論文 参考訳（メタデータ） (2023-10-21T01:34:30Z) - 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 Optimal Transport Formulation of Bayes' Law for Nonlinear Filtering
Algorithms [7.919213739992465]
本稿では,最適な輸送理論を用いたベイズ法則の変分表現を提案する。
輸送写像上の特定の構造を付与することにより、変分問題の解を用いてブレニエ型写像を構成する。
提案手法は、フィードバック粒子充填器(FPF)の連続時間限界における最適な輸送形態を導出するために用いられる。
論文 参考訳（メタデータ） (2022-03-22T16:43:33Z) - A Dimensionality Reduction Method for Finding Least Favorable Priors
with a Focus on Bregman Divergence [108.28566246421742]
そこで本研究では,次元に明示的な有界な有限次元設定に最適化を移動させることができる次元削減法を開発した。
この問題を進展させるため、比較的大きな損失関数、すなわちブレグマンの発散によって引き起こされるベイズ的リスクに限定する。
論文 参考訳（メタデータ） (2022-02-23T16:22:28Z) - Deep Convolutional Correlation Iterative Particle Filter for Visual
Tracking [1.1531505895603305]
本研究では,反復的粒子フィルタ,深部畳み込みニューラルネットワーク,相関フィルタを統合した視覚追跡のための新しいフレームワークを提案する。
我々は, K-平均クラスタリングを適用して, 繰り返し後の粒子の可能性を評価する新しい手法を採用した。
2つの異なるベンチマークデータセットの実験結果は、トラッカーが最先端の手法に対して好適に動作することを示している。
論文 参考訳（メタデータ） (2021-07-07T02:44:43Z) - Variational Refinement for Importance Sampling Using the Forward
Kullback-Leibler Divergence [77.06203118175335]
変分推論(VI)はベイズ推論における正確なサンプリングの代替として人気がある。
重要度サンプリング(IS)は、ベイズ近似推論手順の推定を微調整し、偏りを逸脱するためにしばしば用いられる。
近似ベイズ推論のための最適化手法とサンプリング手法の新たな組み合わせを提案する。
論文 参考訳（メタデータ） (2021-06-30T11:00:24Z) - Variational Transport: A Convergent Particle-BasedAlgorithm for Distributional Optimization [106.70006655990176]
分散最適化問題は機械学習や統計学で広く発生する。
本稿では,変分輸送と呼ばれる粒子に基づく新しいアルゴリズムを提案する。
目的関数がpolyak-Lojasiewicz (PL) (Polyak, 1963) の機能バージョンと滑らかな条件を満たすとき、変分輸送は線形に収束することを示す。
論文 参考訳（メタデータ） (2020-12-21T18:33:13Z) - Approximating Posterior Predictive Distributions by Averaging Output
From Many Particle Filters [0.0]
本稿では, it Particle Swarm filter(粒子群最適化と混同しないように)を紹介する。
多くの粒子フィルタからの予測近似を平均化することにより、後続の予測分布の列への近似を目標とする。
大数の法則と中心極限定理、およびボラティリティモデルからのシミュレーションデータの数値的研究が提供される。
論文 参考訳（メタデータ） (2020-06-27T16:14:02Z) - Multiplicative Gaussian Particle Filter [18.615555573235987]
フィルタ問題における近似推論のためのサンプリングに基づく新しい手法を提案する。
有限個の状態からなる条件分布を粒子フィルタで近似するのではなく、連続関数の集合から重み付けされた関数の和で分布を近似する。
論文 参考訳（メタデータ） (2020-02-29T09:19:38Z)
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。