論文の概要: The two filter formula reconsidered: Smoothing in partially observed Gauss--Markov models without information parametrization

• arxiv url: http://arxiv.org/abs/2502.21116v1
• Date: Fri, 28 Feb 2025 14:53:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-03 13:40:26.885415
• Title: The two filter formula reconsidered: Smoothing in partially observed Gauss--Markov models without information parametrization
• Title（参考訳）: 2つのフィルタ公式を再考する: 部分的に観察されたガウス-マルコフモデルにおける情報パラメトリゼーションのない平滑化
• Authors: Filip Tronarp,
• Abstract要約: 2つのフィルタ公式は、部分的に観察されたガウス-マルコフモデルの設定において再検討される。 対数二乗確率に対する再帰は代わりに定式化され、情報のパラメトリゼーションの必要性がなくなる。 公式は、提案された可能性表現から経路上の後続分布の前方マルコフ表現を生成するために与えられる。
• 参考スコア（独自算出の注目度）: 6.316515721184465
• License:
• Abstract: In this article, the two filter formula is re-examined in the setting of partially observed Gauss--Markov models. It is traditionally formulated as a filter running backward in time, where the Gaussian density is parametrized in ``information form''. However, the quantity in the backward recursion is strictly speaking not a distribution, but a likelihood. Taking this observation seriously, a recursion over log-quadratic likelihoods is formulated instead, which obviates the need for ``information'' parametrization. In particular, it greatly simplifies the square-root formulation of the algorithm. Furthermore, formulae are given for producing the forward Markov representation of the a posteriori distribution over paths from the proposed likelihood representation.
• Abstract（参考訳）: 本稿では、部分的に観察されたガウス-マルコフモデルの設定において、2つのフィルタ公式を再検討する。 伝統的に時間を遡るフィルターとして定式化され、ガウス密度は ''information form'' でパラメータ化される。 しかし、後方再帰の量は厳密には分布ではなく可能性である。 この観察を真剣に考えると、対数二乗確率に対する再帰は代わりに定式化され、「情報」パラメトリゼーションの必要性を排除している。 特に、アルゴリズムの平方根の定式化を大幅に単純化する。 さらに、提案した確率表現から経路上の後続分布の前方マルコフ表現を生成する公式が与えられる。

関連論文リスト

• A Stein Gradient Descent Approach for Doubly Intractable Distributions [5.63014864822787]
  そこで本研究では,2重に抽出可能な分布を推定するために,モンテカルロ・スタイン変分勾配勾配(MC-SVGD)法を提案する。 提案手法は,後続分布に匹敵する推論性能を提供しながら,既存のアルゴリズムよりもかなりの計算ゲインを達成する。
  論文  参考訳（メタデータ） (2024-10-28T13:42:27Z)
• Total Uncertainty Quantification in Inverse PDE Solutions Obtained with Reduced-Order Deep Learning Surrogate Models [50.90868087591973]
  機械学習サロゲートモデルを用いて得られた逆PDE解の総不確かさを近似したベイズ近似法を提案する。 非線型拡散方程式に対する反復的アンサンブルスムーズおよび深層アンサンブル法との比較により,提案手法を検証した。
  論文  参考訳（メタデータ） (2024-08-20T19:06:02Z)
• von Mises Quasi-Processes for Bayesian Circular Regression [57.88921637944379]
  円値ランダム関数上の表現的および解釈可能な分布の族を探索する。 結果の確率モデルは、統計物理学における連続スピンモデルと関係を持つ。 後続推論のために、高速マルコフ連鎖モンテカルロサンプリングに寄与するストラトノビッチのような拡張を導入する。
  論文  参考訳（メタデータ） (2024-06-19T01:57:21Z)
• 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)
• Variational Gaussian filtering via Wasserstein gradient flows [6.023171219551961]
  ガウスとガウスの混合フィルタを近似する新しい手法を提案する。 本手法は勾配流表現による変分近似に依存する。
  論文  参考訳（メタデータ） (2023-03-11T12:22:35Z)
• Inverse Models for Estimating the Initial Condition of Spatio-Temporal Advection-Diffusion Processes [5.814371485767541]
  逆問題とは、観測データを用いて物理過程の未知のパラメータについて推論することである。 本稿では,空間的に疎いデータストリームを用いた時空間対流拡散過程の初期状態の推定について検討する。
  論文  参考訳（メタデータ） (2023-02-08T15:30:16Z)
• Variational Laplace Autoencoders [53.08170674326728]
  変分オートエンコーダは、遅延変数の後部を近似するために、償却推論モデルを用いる。 完全分解ガウス仮定の限定的後部表現性に対処する新しい手法を提案する。 また、深部生成モデルのトレーニングのための変分ラプラスオートエンコーダ(VLAE)という一般的なフレームワークも提示する。
  論文  参考訳（メタデータ） (2022-11-30T18:59:27Z)
• 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)
• Algebraic Reduction of Hidden Markov Models [0.0]
  与えられた出力プロセスの単一時間分布を正確に再現するモデルを返す2つのアルゴリズムを提案する。 この還元法は、観測された出力の構造だけでなく、初期状態も利用している。 最適アルゴリズムはHMM(すなわちHMM)のクラスのために導出される。
  論文  参考訳（メタデータ） (2022-08-11T02:46:05Z)
• 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)
• A Bayesian Filtering Algorithm for Gaussian Mixture Models [0.0]
  状態空間系のクラスはガウス混合を通じてモデル化することができる。 このフィルタリング問題の正確な解法は、混合項の数が指数関数的に増加することである。 統一アルゴリズムの平方根実装について述べる。
  論文  参考訳（メタデータ） (2017-05-16T01:05:16Z)

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。