論文の概要: Recursive KalmanNet: Analyse des capacités de généralisation d'un réseau de neurones récurrent guidé par un filtre de Kalman

• arxiv url: http://arxiv.org/abs/2507.14144v2
• Date: Sun, 27 Jul 2025 11:28:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-29 14:15:47.036204
• Title: Recursive KalmanNet: Analyse des capacités de généralisation d'un réseau de neurones récurrent guidé par un filtre de Kalman
• Title（参考訳）: 再帰的カルマンネット : ニューロネシアにおけるカパシテ・ド・ジェネラル化の研究
• Authors: Cyril Falcon, Hassan Mortada, Mathéo Clavaud, Jean-Philippe Michel,
• Abstract要約: Recursive KalmanNetは、Kalmanフィルタによってガイドされるリカレントニューラルネットワークである。 本稿では,アウト・オブ・ディストリビューションのシナリオにおけるその機能について考察する。
• 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 Recursive KalmanNet, recently introduced by the authors, is a recurrent neural network guided by a Kalman filter, capable of estimating the state variables and error covariance of stochastic dynamic systems from noisy measurements, without prior knowledge of the noise characteristics. This paper explores its generalization capabilities in out-of-distribution scenarios, where the temporal dynamics of the test measurements differ from those encountered during training. Le Recursive KalmanNet, r\'ecemment introduit par les auteurs, est un r\'eseau de neurones r\'ecurrent guid\'e par un filtre de Kalman, capable d'estimer les variables d'\'etat et la covariance des erreurs des syst\`emes dynamiques stochastiques \`a partir de mesures bruit\'ees, sans connaissance pr\'ealable des caract\'eristiques des bruits. Cet article explore ses capacit\'es de g\'en\'eralisation dans des sc\'enarios hors distribution, o\`u les dynamiques temporelles des mesures de test diff\`erent de celles rencontr\'ees \`a l'entra\^inement.
• Abstract（参考訳）: 著者らが最近導入したRecursive KalmanNetは、Kalmanフィルタによって導かれるリカレントニューラルネットワークで、ノイズ特性を事前に知ることなくノイズ測定から確率力学系の状態変数と誤差共分散を推定できる。 本稿では, テスト測定の時間的ダイナミクスが, トレーニング中に遭遇したものと異なる場合の, 分配外シナリオにおける一般化能力について検討する。 Le Recursive KalmanNet, r\'ecemment introduit par les auteurs, est un r\'eseau de neurones r\'ecurrent guid\'e par un filtre de Kalman, capable d'estimer les variables d'\'etat et la covariance des erreurs des syst\`emes dynamiques stochastiques \`a partir de mesures bruit\'ees, sans connaisance pr\''ealable des caract\'''eristiques des bruits。 Cet article explore ses capacit\'es de g\'en\'eralisation dans des sc\'enarios hors distribution, o\`u les dynamiques temporelles des mesures de test diff\`erent de celles rencontr\'ees \`a l'entra\^inement。

関連論文リスト

• Recursive KalmanNet: Deep Learning-Augmented Kalman Filtering for State Estimation with Consistent Uncertainty Quantification [0.0]
  本稿では,正確な状態推定を目的としたKalman-filter-informed Recurrent Neural NetworkであるRecursive KalmanNetを紹介する。 非ガウス的ホワイトノイズを用いた実験では,従来のカルマンフィルタと既存の最先端ディープラーニングに基づく推定器の両方で性能が向上することが示された。
  論文  参考訳（メタデータ） (2025-06-13T10:11:32Z)
• Long-time accuracy of ensemble Kalman filters for chaotic and machine-learned dynamical systems [2.5245286741414663]
  本稿では,アンサンブルカルマンフィルタの長時間精度を確立する。 我々の理論は、部分的に観察されたカオス力学系の幅広いクラスをカバーしている。 シュロゲート力学を用いたアンサンブルカルマンフィルタの長時間精度を検証した。
  論文  参考訳（メタデータ） (2024-12-18T20:35:21Z)
• Sequential Learning from Noisy Data: Data-Assimilation Meets Echo-State Network [0.0]
  アンサンブルカルマンフィルタを用いた雑音観測を取り入れたエコー状態ネットワーク(ESN)のためのシーケンシャルトレーニングアルゴリズムを開発した。 その結果、カルマン訓練されたエコー状態ネットワーク(KalT-ESN)は、計算コストを抑えながら、最小二乗アルゴリズムで従来の訓練されたESNよりも優れていた。
  論文  参考訳（メタデータ） (2023-04-01T02:03:08Z)
• Unsupervised Learned Kalman Filtering [84.18625250574853]
  教師なし適応は、KalmanNetのハイブリッドモデルベース/データ駆動アーキテクチャを活用することで達成される。 我々は、ノイズ統計が未知の場合、教師なしのKalmanNetが教師なし学習でKalmanNetと同じような性能を達成することを数値的に示す。
  論文  参考訳（メタデータ） (2021-10-18T04:04:09Z)
• Uncertainty in Data-Driven Kalman Filtering for Partially Known State-Space Models [84.18625250574853]
  本稿では,ハイブリッドモデルに基づくディープステートトラッキングアルゴリズムであるKalmanNetを用いて,不確実性の評価を行う。 誤差共分散行列は内部特性に基づいて不確実性の測定値として計算可能であることを示す。 システムダイナミクスが分かっている場合、KalmanNetは統計情報にアクセスせずにデータからマッピングを学習し、Kalmanフィルタに類似した不確実性を示す。
  論文  参考訳（メタデータ） (2021-10-10T08:52:18Z)
• KalmanNet: Neural Network Aided Kalman Filtering for Partially Known Dynamics [84.18625250574853]
  KalmanNetは、データから学習し、非線形力学の下でKalmanフィルタを実行するリアルタイム状態推定器である。 我々は、KalmanNetが非線形性とモデルミスマッチを克服し、古典的なフィルタリング手法より優れていることを数値的に示す。
  論文  参考訳（メタデータ） (2021-07-21T12:26:46Z)
• Neural Kalman Filtering [62.997667081978825]
  カルマンフィルタの勾配差近似は,差分重み付き予測誤差を持つ局所計算のみを必要とすることを示す。 また、同じスキームの下では、ヘビアン可塑性に直接対応する学習規則で動的モデルを適応的に学習することが可能であることを示す。
  論文  参考訳（メタデータ） (2021-02-19T16:43:15Z)
• Applications of Koopman Mode Analysis to Neural Networks [52.77024349608834]
  我々は,ニューラルネットワークのトレーニング過程を,高次元の重み空間に作用する力学系と考える。 アーキテクチャに必要なレイヤ数を決定するために、Koopmanスペクトルをどのように利用できるかを示す。 また、Koopmanモードを使えば、ネットワークを選択的にプーンしてトレーニング手順を高速化できることを示す。
  論文  参考訳（メタデータ） (2020-06-21T11:00:04Z)
• Forecasting Sequential Data using Consistent Koopman Autoencoders [52.209416711500005]
  クープマン理論に関連する新しい物理学に基づく手法が導入された。 本稿では,既存の作業の多くと異なり,前方・後方のダイナミクスを生かした新しいコンシスタント・クープマン・オートエンコーダモデルを提案する。 このアプローチの鍵となるのは、一貫性のある力学と関連するクープマン作用素との相互作用を探索する新しい解析である。
  論文  参考訳（メタデータ） (2020-03-04T18:24:30Z)

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。