論文の概要: The Ensemble Kalman Update is an Empirical Matheron Update

• arxiv url: http://arxiv.org/abs/2502.03048v4
• Date: Thu, 18 Sep 2025 05:19:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-19 15:20:14.025094
• Title: The Ensemble Kalman Update is an Empirical Matheron Update
• Title（参考訳）: Ensemble Kalmanのアップデートは、経験的なMatheronのアップデート
• Authors: Dan MacKinlay,
• Abstract要約: Ensemble Kalman Filter (EnKF) は高次元システムにおけるデータ同化法として広く用いられている。 本稿は、この単純だが未公開な接続をコンパクトに紹介する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The Ensemble Kalman Filter (EnKF) is a widely used method for data assimilation in high-dimensional systems, with an ensemble update step equivalent to an empirical version of the Matheron update popular in Gaussian process regression -- a connection that links half a century of data-assimilation engineering to modern path-wise GP sampling. This paper provides a compact introduction to this simple but under-exploited connection, with necessary definitions accessible to all fields involved. Source code is available at https://github.com/danmackinlay/paper_matheron_equals_enkf .
• Abstract（参考訳）: Ensemble Kalman Filter(エンサンブルカルマンフィルター、EnKF)は、高次元システムにおけるデータ同化のための広く使われている方法である。 本稿は、この単純だが未公開な接続をコンパクトに紹介し、関連するすべてのフィールドに対して必要な定義を提供する。 ソースコードはhttps://github.com/danmackinlay/paper_matheron_equals_enkf で公開されている。

関連論文リスト

• Kalman Filter Aided Federated Koopman Learning [9.87932387334792]
  フェデレート・クープマン学習(KF-FedKL)を支援するカルマンフィルタを提案する。 KF-FedKLはカルマンフィルタと連合学習とクープマン解析の組み合わせの先駆者である。 具体的には、線形化のためのディープクープマンネットワークのトレーニングを駆動するために、単純だが効率的な損失関数を用いる。
  論文  参考訳（メタデータ） (2025-07-07T09:26:20Z)
• GP-FL: Model-Based Hessian Estimation for Second-Order Over-the-Air Federated Learning [52.295563400314094]
  2次法は学習アルゴリズムの収束率を改善するために広く採用されている。 本稿では,無線チャネルに適した新しい2次FLフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-12-05T04:27:41Z)
• Arbitrary-Length Generalization for Addition in a Tiny Transformer [55.2480439325792]
  本稿では,トランスフォーマーモデルを用いて,未知の桁数に対する2桁数の追加を一般化する学習手法を提案する。 提案手法では, 右から左へ処理を行う自己回帰生成手法を用いて, 多数の値を追加するための共通手動手法を模倣する。
  論文  参考訳（メタデータ） (2024-05-31T03:01:16Z)
• Implicit Manifold Gaussian Process Regression [49.0787777751317]
  ガウス過程の回帰は、よく校正された不確実性推定を提供するために広く用いられている。 これは、データが実際に存在する暗黙の低次元多様体のため、高次元データに苦しむ。 本稿では,データ(ラベル付きおよびラベルなし)から直接暗黙構造を完全に微分可能な方法で推定できる手法を提案する。
  論文  参考訳（メタデータ） (2023-10-30T09:52:48Z)
• Heterogeneous Multi-Task Gaussian Cox Processes [61.67344039414193]
  異種相関タスクを共同でモデル化するためのマルチタスクガウスコックスプロセスの新たな拡張を提案する。 MOGPは、分類、回帰、ポイントプロセスタスクの専用可能性のパラメータに先行して、異種タスク間の情報の共有を容易にする。 モデルパラメータを推定するための閉形式反復更新を実現する平均場近似を導出する。
  論文  参考訳（メタデータ） (2023-08-29T15:01:01Z)
• Symmetric Equilibrium Learning of VAEs [56.56929742714685]
  可変オートエンコーダ(VAE)をデコーダ-エンコーダペアとみなし,データ空間内の分布を潜在空間内の分布にマッピングする。 本研究では,エンコーダとデコーダに対して対称なナッシュ均衡学習手法を提案し,データと潜伏分布の両方がサンプリングによってのみアクセス可能な状況下でのVAEの学習を可能にする。
  論文  参考訳（メタデータ） (2023-07-19T10:27:34Z)
• The Rank-Reduced Kalman Filter: Approximate Dynamical-Low-Rank Filtering In High Dimensions [32.30527731746912]
  低ランク行列の低ランク近似を伝播する新しい近似フィルタリング・平滑化法を提案する。 提案手法は, 計算複雑性を(カルマンフィルタの場合) 立方体から, 最悪ケースにおける状態空間サイズにおけるエンフクトラティックに還元する。
  論文  参考訳（メタデータ） (2023-06-13T13:50:31Z)
• A mixed-categorical correlation kernel for Gaussian process [0.0]
  本稿では, 連続指数関数型カーネルを拡張し, 混合カテゴリー変数の処理を行うカーネルベースアプローチを提案する。 提案したカーネルは、連続緩和とゴーワー距離に基づくGPモデルの両方を一般化する新しいGPサロゲートを導く。
  論文  参考訳（メタデータ） (2022-11-15T16:13:04Z)
• Oracle-free Reinforcement Learning in Mean-Field Games along a Single Sample Path [5.926203312586109]
  平均フィールドゲーム(MFG)におけるオンライン強化学習の検討 汎用エージェントの単一サンプルパスを用いて平均場平衡(MFE)を近似するアルゴリズムを開発した。 多様なシナリオにおいて,サンドボックス学習アルゴリズムの有効性を実証的に実証した。
  論文  参考訳（メタデータ） (2022-08-24T16:22:31Z)
• Non-Asymptotic Analysis of Ensemble Kalman Updates: Effective Dimension and Localization [2.9823962001574182]
  本稿では,小さなアンサンブルサイズで十分である理由を厳密に説明するための,アンサンブル・カルマン更新の非漸近解析法を開発した。 我々は、アンサンブル・カルマン更新のいくつかの実装を比較し、我々の理論を統一的な枠組みで提示する。
  論文  参考訳（メタデータ） (2022-08-05T15:58:59Z)
• Riemannian Diffusion Schr\"odinger Bridge [56.20669989459281]
  拡散モデルのサンプリングを高速化するために,emphRiemannian Diffusion Schr"odinger Bridgeを導入する。 提案手法は, 合成データと実際の地球・気候データについて検証する。
  論文  参考訳（メタデータ） (2022-07-07T00:35:04Z)
• FedNew: A Communication-Efficient and Privacy-Preserving Newton-Type Method for Federated Learning [75.46959684676371]
  我々は、クライアントからPSにヘッセン情報を送信する必要がないFedNewという新しいフレームワークを紹介した。 FedNewは勾配情報を隠蔽し、既存の最先端技術と比べてプライバシー保護のアプローチをもたらす。
  論文  参考訳（メタデータ） (2022-06-17T15:21:39Z)
• Matrix Completion via Non-Convex Relaxation and Adaptive Correlation Learning [90.8576971748142]
  閉形式解によって最適化できる新しいサロゲートを開発する。 そこで我々は, 上向きの相関関係を利用して, 適応的相関学習モデルを構築した。
  論文  参考訳（メタデータ） (2022-03-04T08:50:50Z)
• DASHA: Distributed Nonconvex Optimization with Communication Compression, Optimal Oracle Complexity, and No Client Synchronization [77.34726150561087]
  我々は,分散最適化問題に対する新しい手法であるDASHAを開発し,解析する。 MARINAとは異なり、新しいDASHAとDASHA-MVRは圧縮ベクターのみを送信し、ノードを同期しないため、学習をより実用的なものにしている。
  論文  参考訳（メタデータ） (2022-02-02T20:10:40Z)
• Collaborative Representation for SPD Matrices with Application to Image-Set Classification [12.447073442122468]
  協調表現に基づく分類(CRC)はここ数年で顕著な進歩を遂げている。 既存のCRC法では非線形変動情報を直接処理することができない。 最近の進歩は、これらの非線形変動情報を効果的にモデル化し、不変表現を学習する方法がオープンな課題であることを示している。
  論文  参考訳（メタデータ） (2022-01-22T04:56:53Z)
• Nonparametric mixture MLEs under Gaussian-smoothed optimal transport distance [0.39373541926236766]
  我々は、真のデータ生成分布を近似するために、非平滑なフレームワークの代わりにGOTフレームワークを適用する。 我々の分析における重要なステップは、ガウス畳み込みリプシッツ函数の新しいジャクソン型近似の確立である。 この洞察は、非パラメトリックMLEと新しいGOTフレームワークを分析する既存のテクニックを橋渡しする。
  論文  参考訳（メタデータ） (2021-12-04T20:05:58Z)
• Scalable Variational Gaussian Processes via Harmonic Kernel Decomposition [54.07797071198249]
  汎用性を維持しつつ高い忠実度近似を提供する,スケーラブルな変分ガウス過程近似を導入する。 様々な回帰問題や分類問題において,本手法は変換やリフレクションなどの入力空間対称性を活用できることを実証する。 提案手法は, 純粋なGPモデルのうち, CIFAR-10 の最先端化を実現する。
  論文  参考訳（メタデータ） (2021-06-10T18:17:57Z)
• Integrating Semantics and Neighborhood Information with Graph-Driven Generative Models for Document Retrieval [51.823187647843945]
  本稿では,周辺情報をグラフ誘導ガウス分布でエンコードし,その2種類の情報をグラフ駆動生成モデルと統合することを提案する。 この近似の下では、トレーニング対象がシングルトンまたはペアワイズ文書のみを含む用語に分解可能であることを証明し、モデルが非関連文書と同じくらい効率的にトレーニングできることを示す。
  論文  参考訳（メタデータ） (2021-05-27T11:29:03Z)
• SupMMD: A Sentence Importance Model for Extractive Summarization using Maximum Mean Discrepancy [92.5683788430012]
  SupMMDは、カーネルの2サンプルテストと最大の相違点に基づく、ジェネリックおよび更新の要約のための新しいテクニックである。 DUC-2004 および TAC-2009 データセット上での現在の技術状況を満たしたり超えたりすることで,SupMMD の総合的および更新的要約タスクにおける有効性を示す。
  論文  参考訳（メタデータ） (2020-10-06T09:26:55Z)
• Epoch-evolving Gaussian Process Guided Learning [17.94922325342153]
  GPGL(Epoch-evolving Gaussian Process Guided Learning)は,バッチレベル分布とグローバルデータ分布の相関情報を特徴付けることを目的とする。 文脈ラベルと基底真理ラベルのガイダンスにより、GPGLスキームは三角形の整合性損失でモデルパラメータを更新することで、より効率的な最適化を提供する。 我々のGPGLスキームはより一般化され、現在のディープモデルに自然に適用でき、主要なデータセット上で既存のバッチベースの最先端モデルよりも優れている。
  論文  参考訳（メタデータ） (2020-06-25T12:45:17Z)

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。