Fugu-MT 論文翻訳(概要): Online Bayesian system identification in multivariate autoregressive models via message passing

論文の概要: Online Bayesian system identification in multivariate autoregressive models via message passing

arxiv url: http://arxiv.org/abs/2506.02710v1
Date: Tue, 03 Jun 2025 10:06:29 GMT
ステータス: 翻訳完了
システム内更新日: 2025-06-05 01:42:09.409586
Title: Online Bayesian system identification in multivariate autoregressive models via message passing
Title（参考訳）: 多変量自己回帰モデルにおけるメッセージパッシングによるオンラインベイズシステム同定
Authors: T. N. Nisslbeck, Wouter M. Kouw,
Abstract要約: 提案手法は, 自己回帰係数とノイズ精度の両方に対して, 完全な後部分布を生成する。本研究では, 合成自己回帰系における収束を実証的に示すとともに, 二重質量ばねダンパー系における競合性能を示す。
参考スコア（独自算出の注目度）: 3.4069627091757178
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We propose a recursive Bayesian estimation procedure for multivariate autoregressive models with exogenous inputs based on message passing in a factor graph. Unlike recursive least-squares, our method produces full posterior distributions for both the autoregressive coefficients and noise precision. The uncertainties regarding these estimates propagate into the uncertainties on predictions for future system outputs, and support online model evidence calculations. We demonstrate convergence empirically on a synthetic autoregressive system and competitive performance on a double mass-spring-damper system.
Abstract（参考訳）: 因子グラフにおけるメッセージパッシングに基づく外因性入力を持つ多変量自己回帰モデルに対する再帰的ベイズ推定手法を提案する。再帰的最小二乗法とは異なり、本手法は自己回帰係数と雑音精度の両方に対して完全な後部分布を生成する。これらの推定の不確実性は、将来のシステムアウトプットの予測の不確実性に広がり、オンラインモデルエビデンス計算を支援する。本研究では, 合成自己回帰系における収束を実証的に示すとともに, 二重質量ばねダンパー系における競合性能を示す。

関連論文リスト

Variational Autoencoders for Efficient Simulation-Based Inference [0.3495246564946556]
本稿では、確率自由なシミュレーションに基づく推論のための変分推論フレームワークに基づく生成的モデリング手法を提案する。我々は,これらのモデルの有効性を,フローベースアプローチに匹敵する結果が得られるように,確立されたベンチマーク問題に対して示す。
論文参考訳（メタデータ） (2024-11-21T12:24:13Z)
Imitation Learning from Observations: An Autoregressive Mixture of Experts Approach [2.4427666827706074]
本稿では,観察から得られた模倣学習の新たなアプローチとして,専門家モデルの自己回帰混合を,その基礎となる方針に適合させる手法を提案する。提案手法の有効性を,人間の実演から収集した2つの自律走行データセットを用いて検証した。
論文参考訳（メタデータ） (2024-11-12T22:56:28Z)
Bayesian Sparse Regression for Mixed Multi-Responses with Application to Runtime Metrics Prediction in Fog Manufacturing [6.288767115532775]
フォッグ製造は、分散計算Fogユニットを通じて従来の製造システムを大幅に強化することができる。予測オフロード手法は,実行時のパフォーマンス指標の正確な予測と不確かさの定量化に大きく依存していることが知られている。本稿では,多変量混合応答に対するベイジアンスパース回帰法を提案し,実行時性能指標の予測を強化する。
論文参考訳（メタデータ） (2022-10-10T16:14:08Z)
Collaborative Uncertainty Benefits Multi-Agent Multi-Modal Trajectory Forecasting [61.02295959343446]
この研究はまず、相互作用モジュールから生じる不確実性をモデル化する新しい概念であるコラボレーティブ不確実性(CU)を提案する。我々は、回帰と不確実性推定の両方を行うために、元の置換同変不確かさ推定器を備えた一般的なCU対応回帰フレームワークを構築した。提案するフレームワークを,プラグインモジュールとして現在のSOTAマルチエージェント軌道予測システムに適用する。
論文参考訳（メタデータ） (2022-07-11T21:17:41Z)
Time varying regression with hidden linear dynamics [74.9914602730208]
線形力学系に従って未知のパラメータが進化することを前提とした時間変化線形回帰モデルを再検討する。反対に、基礎となる力学が安定である場合、このモデルのパラメータは2つの通常の最小二乗推定と組み合わせることで、データから推定できることが示される。
論文参考訳（メタデータ） (2021-12-29T23:37:06Z)
Improving the Reconstruction of Disentangled Representation Learners via Multi-Stage Modeling [54.94763543386523]
現在の自己エンコーダに基づく非絡み合い表現学習法は、(集合体)後部をペナルティ化し、潜伏因子の統計的独立を促進することで、非絡み合いを実現する。本稿では,不整合因子をペナルティに基づく不整合表現学習法を用いて学習する,新しい多段階モデリング手法を提案する。次に、低品質な再構成を、欠落した関連潜伏変数をモデル化するために訓練された別の深層生成モデルで改善する。
論文参考訳（メタデータ） (2020-10-25T18:51:15Z)
Identification of Probability weighted ARX models with arbitrary domains [75.91002178647165]
PieceWise Affineモデルは、ハイブリッドシステムの他のクラスに対する普遍近似、局所線型性、同値性を保証する。本研究では,任意の領域を持つ固有入力モデル(NPWARX)を用いたPieceWise Auto Regressiveの同定に着目する。このアーキテクチャは、機械学習の分野で開発されたMixture of Expertの概念に従って考案された。
論文参考訳（メタデータ） (2020-09-29T12:50:33Z)
An Uncertainty-based Human-in-the-loop System for Industrial Tool Wear Analysis [68.8204255655161]
人間のループシステムにおけるモンテカルロのドロップアウトに基づく不確実性対策により,システムの透明性と性能が向上することを示す。シミュレーション研究により、不確実性に基づく「ループ内人間システム」は、様々なレベルの人間の関与に対する性能を高めることが示されている。
論文参考訳（メタデータ） (2020-07-14T15:47:37Z)
Variational Auto-Regressive Gaussian Processes for Continual Learning [17.43751039943161]
連続学習におけるシーケンシャルなタスクを解くための原則的後続更新機構を開発する。スケーラブルな後続に対するスパース誘導点近似を頼りに、新しい自己回帰変動分布を提案する。平均的な予測エントロピー推定は、VAR-GPが破滅的な忘れを防いでいることを示している。
論文参考訳（メタデータ） (2020-06-09T19:23:57Z)

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。