Fugu-MT 論文翻訳(概要): State-observation augmented diffusion model for nonlinear assimilation with unknown dynamics

論文の概要: State-observation augmented diffusion model for nonlinear assimilation with unknown dynamics

arxiv url: http://arxiv.org/abs/2407.21314v2
Date: Fri, 07 Feb 2025 14:14:03 GMT
ステータス: 翻訳完了
システム内更新日: 2025-02-10 18:29:32.711592
Title: State-observation augmented diffusion model for nonlinear assimilation with unknown dynamics
Title（参考訳）: 未知のダイナミクスを持つ非線形同化に対する状態観測拡張拡散モデル
Authors: Zhuoyuan Li, Bin Dong, Pingwen Zhang,
Abstract要約: データ駆動同化のための新しい生成モデルであるState-Observation Augmented Diffusion(SOAD)モデルを提案する。実験の結果、SOADは既存のデータ駆動方式と比較してパフォーマンスが向上する可能性が示唆されている。
参考スコア（独自算出の注目度）: 6.682908186025083
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Data assimilation has become a key technique for combining physical models with observational data to estimate state variables. However, classical assimilation algorithms often struggle with the high nonlinearity present in both physical and observational models. To address this challenge, a novel generative model, termed the State-Observation Augmented Diffusion (SOAD) model is proposed for data-driven assimilation. The marginal posterior associated with SOAD has been derived and then proved to match the true posterior distribution under mild assumptions, suggesting its theoretical advantages over previous score-based approaches. Experimental results also indicate that SOAD may offer improved performance compared to existing data-driven methods.
Abstract（参考訳）: データ同化は物理モデルと観測データを組み合わせて状態変数を推定する重要な手法となっている。しかし、古典的な同化アルゴリズムは、物理モデルと観測モデルの両方に存在する高い非線形性に苦しむことが多い。この課題に対処するために、データ駆動同化のために、状態観測拡張拡散モデル(State-Observation Augmented Diffusion, SOAD)と呼ばれる新しい生成モデルが提案されている。 SOADと関連する限界後部分布は導出され、その後、軽微な仮定の下で真の後部分布と一致することが証明され、従来のスコアベースのアプローチよりも理論的に有利であることが示唆された。実験の結果、SOADは既存のデータ駆動方式と比較してパフォーマンスが向上する可能性が示唆されている。

関連論文リスト

Uncertainty quantification of neural network models of evolving processes via Langevin sampling [0.7329200485567827]
本稿では,履歴依存プロセスの一般的なモデルのための拡張性のある近似推論ハイパーネットワークフレームワークを提案する。化学反応と物質物理データにおけるハイパーネットワークの性能を実証し, 平均場変動推定との比較を行った。
論文参考訳（メタデータ） (2025-04-21T04:45:40Z)
On conditional diffusion models for PDE simulations [53.01911265639582]
スパース観測の予測と同化のためのスコアベース拡散モデルについて検討した。本稿では,予測性能を大幅に向上させる自動回帰サンプリング手法を提案する。また,条件付きスコアベースモデルに対する新たなトレーニング戦略を提案する。
論文参考訳（メタデータ） (2024-10-21T18:31:04Z)
Self-Supervision Improves Diffusion Models for Tabular Data Imputation [20.871219616589986]
本稿では,自己教師型計算拡散モデル (SimpDM for brevity) という高度な拡散モデルを提案する。ノイズに対する感度を緩和するために、モデルを規則化し、一貫した安定な計算予測を保証する自己教師付きアライメント機構を導入する。我々はまた、SimpDM内で慎重に設計された状態依存データ拡張戦略を導入し、限られたデータを扱う際の拡散モデルの堅牢性を高める。
論文参考訳（メタデータ） (2024-07-25T13:06:30Z)
Amortizing intractable inference in diffusion models for vision, language, and control [89.65631572949702]
本稿では,p(mathbfx)$以前の拡散生成モデルとブラックボックス制約,あるいは関数$r(mathbfx)$からなるモデルにおいて,データ上の後部サンプルである $mathbfxsim prm post(mathbfx)propto p(mathbfx)r(mathbfx)$について検討する。我々は,データフリー学習目標である相対軌道バランスの正しさを,サンプルから抽出した拡散モデルの訓練のために証明する。
論文参考訳（メタデータ） (2024-05-31T16:18:46Z)
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)
Towards Theoretical Understandings of Self-Consuming Generative Models [56.84592466204185]
本稿では,自己消費ループ内で生成モデルを訓練する新たな課題に取り組む。我々は,このトレーニングが将来のモデルで学習したデータ分布に与える影響を厳格に評価するための理論的枠組みを構築した。カーネル密度推定の結果は,混合データトレーニングがエラー伝播に与える影響など,微妙な洞察を与える。
論文参考訳（メタデータ） (2024-02-19T02:08:09Z)
A PAC-Bayesian Perspective on the Interpolating Information Criterion [54.548058449535155]
補間系の性能に影響を及ぼす要因を特徴付ける一般モデルのクラスに対して,PAC-Bayes境界がいかに得られるかを示す。オーバーパラメータ化モデルに対するテスト誤差が、モデルとパラメータの初期化スキームの組み合わせによって課される暗黙の正規化の品質に依存するかの定量化を行う。
論文参考訳（メタデータ） (2023-11-13T01:48:08Z)
Exact nonlinear state estimation [0.0]
地質学におけるデータ同化法の大部分はガウスの仮定に基づいている。非パラメトリックな粒子ベースDAアルゴリズムは精度が優れているが、高次元モデルへの応用は依然として運用上の課題となっている。本稿では,DA手法の既存のギャップを埋めようとする新しい非線形推定理論を紹介する。
論文参考訳（メタデータ） (2023-10-17T03:44:29Z)
A Geometric Perspective on Diffusion Models [57.27857591493788]
本稿では,人気のある分散拡散型SDEのODEに基づくサンプリングについて検討する。我々は、最適なODEベースのサンプリングと古典的な平均シフト(モード探索)アルゴリズムの理論的関係を確立する。
論文参考訳（メタデータ） (2023-05-31T15:33:16Z)
Mixed Effects Neural ODE: A Variational Approximation for Analyzing the Dynamics of Panel Data [50.23363975709122]
パネルデータ解析に(固定・ランダムな)混合効果を取り入れたME-NODEという確率モデルを提案する。我々は、Wong-Zakai定理によって提供されるSDEの滑らかな近似を用いて、我々のモデルを導出できることを示す。次に、ME-NODEのためのエビデンスに基づく下界を導出し、(効率的な)トレーニングアルゴリズムを開発する。
論文参考訳（メタデータ） (2022-02-18T22:41:51Z)
Scaling Hidden Markov Language Models [118.55908381553056]
この研究は、HMMを言語モデリングデータセットに拡張するという課題を再考する。本研究では,HMMを大規模状態空間に拡張する手法を提案する。
論文参考訳（メタデータ） (2020-11-09T18:51:55Z)

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。