論文の概要: Kernel-Based Ensemble Gaussian Mixture Probability Hypothesis Density Filter
- arxiv url: http://arxiv.org/abs/2505.00131v1
- Date: Wed, 30 Apr 2025 19:00:02 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-02 19:15:55.156216
- Title: Kernel-Based Ensemble Gaussian Mixture Probability Hypothesis Density Filter
- Title（参考訳）: カーネル型アンサンブル混合確率仮説密度フィルタ
- Authors: Dalton Durant, Renato Zanetti,
- Abstract要約: EnGM-PHDフィルタは、GM-PHDフィルタのガウス混合法とSMC-PHDフィルタの粒子法を組み合わせたものである。
その結果, EnGM-PHDフィルタは, GM-PHDフィルタとSMC-PHDフィルタのどちらよりも優れたマルチターゲットフィルタ性能が得られることがわかった。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this work, a kernel-based Ensemble Gaussian Mixture Probability Hypothesis Density (EnGM-PHD) filter is presented for multi-target filtering applications. The EnGM-PHD filter combines the Gaussian-mixture-based techniques of the Gaussian Mixture Probability Hypothesis Density (GM-PHD) filter with the particle-based techniques of the Sequential Monte Carlo Probability Hypothesis Density (SMC-PHD) filter. It achieves this by obtaining particles from the posterior intensity function, propagating them through the system dynamics, and then using Kernel Density Estimation (KDE) techniques to approximate the Gaussian mixture of the prior intensity function. This approach guarantees convergence to the true intensity function in the limit of the number of components. Moreover, in the special case of a single target with no births, deaths, clutter, and perfect detection probability, the EnGM-PHD filter reduces to the standard Ensemble Gaussian Mixture Filter (EnGMF). In the presented experiment, the results indicate that the EnGM-PHD filter achieves better multi-target filtering performance than both the GM-PHD and SMC-PHD filters while using the same number of components or particles.
- Abstract（参考訳）: 本研究では,カーネルをベースとしたEnsemble Gaussian Mixture Probability hypothesis Density (EnGM-PHD)フィルタについて述べる。
EnGM-PHDフィルタはガウス混合確率仮説密度 (GM-PHD) フィルタのガウス混合確率仮説密度 (GM-PHD) と逐次モンテカルロ確率仮説密度 (SMC-PHD) フィルタの粒子ベースの手法を組み合わせたものである。
これを実現するために、後部強度関数から粒子を取得し、系の力学を通してそれらを伝播させ、次にケルネル密度推定(KDE)技術を用いて先行強度関数のガウス混合を近似する。
このアプローチは、成分数の極限における真の強度関数への収束を保証する。
さらに、出生、死亡、乱れ、完全検出確率のない単一ターゲットの場合、EnGM-PHDフィルタは標準のEnsemble Gaussian Mixture Filter (EnGMF)に還元される。
実験の結果,EnGM-PHDフィルタは,同じ成分や粒子を用いて,GM-PHDフィルタとSMC-PHDフィルタのどちらよりも優れたマルチターゲットフィルタ性能が得られることがわかった。
関連論文リスト
- Adversarial Transform Particle Filters [11.330617592263744]
粒子フィルタ(PF)とアンサンブルカルマンフィルタ(EnKF)は状態空間モデルにおける近似推論に広く用いられている。
本稿では, PF と EnKF の強みを組み合わせた新しいフィルタフレームワークである Adversarial Transform Particle Filter (ATPF) を提案する。
論文 参考訳（メタデータ） (2025-02-10T05:31:35Z) - The Ensemble Epanechnikov Mixture Filter [0.0]
我々は、エンサンブル・エパネチニコフ混合フィルタ(EnEMF)と呼ばれる手法を用いて、逐次フィルタリングシナリオに対する最適エパネチニコフ混合核密度推定手法を用いる。
また,EnEMFは40変量ローレンツ'96系における粒子毎の誤差を著しく低減することを示した。
論文 参考訳（メタデータ） (2024-08-20T19:50:59Z) - Adaptive Fuzzy C-Means with Graph Embedding [84.47075244116782]
ファジィクラスタリングアルゴリズムは、大まかに2つの主要なグループに分類できる: ファジィC平均法(FCM)と混合モデルに基づく方法。
本稿では,FCMを用いたクラスタリングモデルを提案する。
論文 参考訳（メタデータ） (2024-05-22T08:15:50Z) - Normalizing Flow-based Differentiable Particle Filters [16.164656853940464]
本研究では, 動的モデル, 提案分布, 測定モデルを構築するために, 条件正規化フローを用いた微分可能な粒子フィルタリングフレームワークを提案する。
提案するフィルタの理論的特性を導出し, 一連の数値実験により, フローベース微分可能な粒子フィルタの性能の正規化を評価する。
論文 参考訳（メタデータ） (2024-03-03T12:23:17Z) - 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) - Sampling with Mollified Interaction Energy Descent [57.00583139477843]
モーフィファイド相互作用エネルギー降下(MIED)と呼ばれる新しい最適化に基づくサンプリング手法を提案する。
MIEDは、モル化相互作用エネルギー(MIE)と呼ばれる確率測度に関する新しいクラスのエネルギーを最小化する
我々は,制約のないサンプリング問題に対して,我々のアルゴリズムがSVGDのような既存の粒子ベースアルゴリズムと同等に動作することを示す。
論文 参考訳（メタデータ） (2022-10-24T16:54:18Z) - 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) - Plug-And-Play Learned Gaussian-mixture Approximate Message Passing [71.74028918819046]
そこで本研究では,従来のi.i.d.ソースに適した圧縮圧縮センシング(CS)リカバリアルゴリズムを提案する。
我々のアルゴリズムは、Borgerdingの学習AMP(LAMP)に基づいて構築されるが、アルゴリズムに普遍的な復調関数を採用することにより、それを大幅に改善する。
数値評価により,L-GM-AMPアルゴリズムは事前の知識を必要とせず,最先端の性能を実現する。
論文 参考訳（メタデータ） (2020-11-18T16:40:45Z) - A Poisson multi-Bernoulli mixture filter for coexisting point and
extended targets [5.949779668853555]
本稿では,Poisson Multi-Bernoulli Mixing (PMBM) フィルタを提案する。
また,PMBMフィルタの計算効率のよい近似法として,ポアソン・マルチベルヌーリフィルタ(PMB)を開発した。
論文 参考訳（メタデータ） (2020-11-09T14:41:40Z) - Innovative And Additive Outlier Robust Kalman Filtering With A Robust
Particle Filter [68.8204255655161]
提案するCE-BASSは, 粒子混合カルマンフィルタであり, 革新的および付加的両方の外れ値に対して堅牢であり, 隠蔽状態の分布における多モード性を完全に捉えることができる。
さらに、CE-BASSは過去の状態を再サンプリングすることで、トレンドの変化のような観測ですぐには見えない革新的な外れ値を扱うことができる。
論文 参考訳（メタデータ） (2020-07-07T07:11:09Z) - 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。