論文の概要: Distributed Poisson multi-Bernoulli filtering via generalised covariance intersection
- arxiv url: http://arxiv.org/abs/2506.18397v1
- Date: Mon, 23 Jun 2025 08:32:16 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-24 19:06:36.908966
- Title: Distributed Poisson multi-Bernoulli filtering via generalised covariance intersection
- Title（参考訳）: 一般化共分散交叉による分散ポアソン多重ベルヌーリフィルタ
- Authors: Ángel F. García-Fernández, Giorgio Battistelli,
- Abstract要約: 本稿では,分散多目的フィルタリングのための分散Poisson Multi-Bernoulli (PMB)フィルタを提案する。
我々は PMB 密度のパワーを PMB 密度の上界に対応する非正規化 PMB 密度として近似する。
その結果,Poisson multi-Bernoulli mix (PMBM) がクローズドな形で表現できることが判明した。
- 参考スコア（独自算出の注目度）: 4.416774178832304
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper presents the distributed Poisson multi-Bernoulli (PMB) filter based on the generalised covariance intersection (GCI) fusion rule for distributed multi-object filtering. Since the exact GCI fusion of two PMB densities is intractable, we derive a principled approximation. Specifically, we approximate the power of a PMB density as an unnormalised PMB density, which corresponds to an upper bound of the PMB density. Then, the GCI fusion rule corresponds to the normalised product of two unnormalised PMB densities. We show that the result is a Poisson multi-Bernoulli mixture (PMBM), which can be expressed in closed form. Future prediction and update steps in each filter preserve the PMBM form, which can be projected back to a PMB density before the next fusion step. Experimental results show the benefits of this approach compared to other distributed multi-object filters.
- Abstract（参考訳）: 本稿では,分散多目的フィルタリングのための一般化共分散交叉(GCI)融合規則に基づく分散ポアソンマルチベルヌーリ(PMB)フィルタを提案する。
2つのPMB密度の正確なGCI融合は難解であるため、原理的な近似が導出される。
具体的には、PMB密度のパワーを、PMB密度の上界に対応する非正規化PMB密度として近似する。
そして、GCI融合規則は、2つの非正規化されたPMB密度の正規化積に対応する。
その結果,Poisson multi-Bernoulli mix (PMBM) がクローズドな形で表現できることが判明した。
各フィルタの将来の予測と更新ステップはPMBM形式を保持し、次の融合ステップの前にPMB密度に投影することができる。
実験により、他の分散多目的フィルタと比較して、このアプローチの利点が示された。
関連論文リスト
- Kernel-Based Ensemble Gaussian Mixture Probability Hypothesis Density Filter [0.0]
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。
論文 参考訳（メタデータ） (2025-04-30T19:00:02Z) - Poisson multi-Bernoulli mixture filter for trajectory measurements [3.604879434384177]
軌道計測PMBM(TM-PMBM)フィルタは、ターゲット状態のセット上でPMBM密度を伝搬する。
このフィルタは、軌道計測のセットに基づいて、マルチターゲットフィルタリングのためのクローズドフォームソリューションを提供する。
論文 参考訳（メタデータ） (2025-04-11T10:27:07Z) - Flow matching achieves almost minimax optimal convergence [50.38891696297888]
フローマッチング (FM) は, シミュレーションのない生成モデルとして注目されている。
本稿では,大試料径のFMの収束特性を$p$-Wasserstein 距離で論じる。
我々は、FMが1leq p leq 2$でほぼ最小の収束率を達成できることを確立し、FMが拡散モデルに匹敵する収束率に達するという最初の理論的証拠を示す。
論文 参考訳（メタデータ） (2024-05-31T14:54:51Z) - Unraveling the Smoothness Properties of Diffusion Models: A Gaussian Mixture Perspective [18.331374727331077]
拡散過程のリプシッツ連続性と第二運動量特性の理論的理解を提供する。
この結果から, 共通データ分布下での拡散過程のダイナミクスについて, より深い理論的知見が得られた。
論文 参考訳（メタデータ） (2024-05-26T03:32:27Z) - Discrete Probabilistic Inference as Control in Multi-path Environments [84.67055173040107]
本稿では,離散分布と構造化分布からサンプリングする問題を逐次決定問題として考察する。
我々は,GFlowNetが,フローの保存を強制することによって,報酬に比例してオブジェクトをサンプリングするポリシーを学習していることを示す。
また、GFlowNetの文献で見られるフローマッチングの目的が、精度の高いMaxEnt RLアルゴリズムと等価であることも証明した。
論文 参考訳（メタデータ） (2024-02-15T20:20:35Z) - Machine-Learned Exclusion Limits without Binning [0.0]
我々は、1次元信号と背景確率密度関数を抽出するためにカーネル密度推定器(KDE)を含むMLL法を拡張した。
本手法は,レプトン対に崩壊するエキゾチックヒッグス粒子の探索と,レプトン対に崩壊するZ'$ボソンの2例に適用する。
論文 参考訳（メタデータ） (2022-11-09T11:04:50Z) - Optimality Guarantees for Particle Belief Approximation of POMDPs [55.83001584645448]
部分的に観測可能なマルコフ決定プロセス(POMDP)は、現実の意思決定と制御の問題に対する柔軟な表現を提供する。
POMDPは、特に状態と観測空間が連続的またはハイブリッドである場合、解決するのが非常に難しい。
本稿では,これらのアルゴリズムが使用する粒子フィルタリング手法の近似誤差を特徴付ける理論を提案する。
論文 参考訳（メタデータ） (2022-10-10T21:11:55Z) - Matching Normalizing Flows and Probability Paths on Manifolds [57.95251557443005]
連続正規化フロー (Continuous Normalizing Flows, CNFs) は、常微分方程式(ODE)を解くことによって、先行分布をモデル分布に変換する生成モデルである。
我々は,CNFが生成する確率密度パスと目標確率密度パスとの間に生じる新たな分岐系であるPPDを最小化して,CNFを訓練することを提案する。
PPDの最小化によって得られたCNFは、既存の低次元多様体のベンチマークにおいて、その可能性とサンプル品質が得られることを示す。
論文 参考訳（メタデータ） (2022-07-11T08:50:19Z) - A Unified Framework for Multi-distribution Density Ratio Estimation [101.67420298343512]
バイナリ密度比推定(DRE)は多くの最先端の機械学習アルゴリズムの基礎を提供する。
ブレグマン最小化の発散の観点から一般的な枠組みを開発する。
我々のフレームワークはバイナリDREでそれらのフレームワークを厳格に一般化する手法に導かれることを示す。
論文 参考訳（メタデータ） (2021-12-07T01:23:20Z) - Sampling from high-dimensional, multimodal distributions using automatically tuned, tempered Hamiltonian Monte Carlo [0.0]
ハミルトニアン・モンテカルロ (HMC) は確率密度が比例的に知られている高次元対象分布のサンプリングに広く用いられている。
伝統的テンパリング法は、特に高次元においてチューニングが困難である。
本研究では,高次元の強いマルチモーダル分布からの効率的なサンプリングを可能にするため,テンパリング戦略をハミルトンモンテカルロと組み合わせる手法を提案する。
論文 参考訳（メタデータ） (2021-11-12T18:48:36Z) - Mean-Square Analysis with An Application to Optimal Dimension Dependence
of Langevin Monte Carlo [60.785586069299356]
この研究は、2-ワッサーシュタイン距離におけるサンプリング誤差の非同相解析のための一般的な枠組みを提供する。
我々の理論解析は数値実験によってさらに検証される。
論文 参考訳（メタデータ） (2021-09-08T18:00:05Z) - 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)
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。