論文の概要: Nonlinear filtering based on density approximation and deep BSDE prediction
- arxiv url: http://arxiv.org/abs/2508.10630v1
- Date: Thu, 14 Aug 2025 13:31:05 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-15 22:24:48.328068
- Title: Nonlinear filtering based on density approximation and deep BSDE prediction
- Title（参考訳）: 密度近似と深さBSDE予測に基づく非線形フィルタリング
- Authors: Kasper Bågmark, Adam Andersson, Stig Larsson,
- Abstract要約: 後方微分方程式に基づく新しい近似ベイズフィルタを提案する。
フィルタ問題の非線形Feynman-Kac表現と、よく知られたディープBSDE法とニューラルネットワークを用いた非正規化フィルタリング密度の近似を用いる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: A novel approximate Bayesian filter based on backward stochastic differential equations is introduced. It uses a nonlinear Feynman--Kac representation of the filtering problem and the approximation of an unnormalized filtering density using the well-known deep BSDE method and neural networks. The method is trained offline, which means that it can be applied online with new observations. A mixed a priori-a posteriori error bound is proved under an elliptic condition. The theoretical convergence rate is confirmed in two numerical examples.
- Abstract（参考訳）: 後方確率微分方程式に基づく新しい近似ベイズフィルタを提案する。
フィルタ問題の非線形Feynman-Kac表現と、よく知られたディープBSDE法とニューラルネットワークを用いた非正規化フィルタリング密度の近似を用いる。
この方法はオフラインでトレーニングされており、新しい観察でオンラインに適用することができる。
混合前置誤差境界は楕円条件下で証明される。
理論的収束速度は2つの数値例で確認される。
関連論文リスト
- A convergent scheme for the Bayesian filtering problem based on the Fokker--Planck equation and deep splitting [0.0]
予測更新フィルタリングアルゴリズムは、トレーニング後の新しい観察シーケンスをオンラインで動作させる。
Fokker-Planck方程式のみの近似の収束率を得る。
このアルゴリズムは、次元の呪いを軽減するために設計されたサンプリングベースのFeynman-Kacアプローチを採用している。
論文 参考訳（メタデータ） (2024-09-22T20:25:45Z) - Sobolev Space Regularised Pre Density Models [51.558848491038916]
本研究では,ソボレフ法則の正則化に基づく非パラメトリック密度推定法を提案する。
この方法は統計的に一貫したものであり、帰納的検証モデルを明確かつ一貫したものにしている。
論文 参考訳（メタデータ） (2023-07-25T18:47:53Z) - 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) - An energy-based deep splitting method for the nonlinear filtering
problem [0.0]
本研究の主な目的は,ディープラーニングによる非線形フィルタリング問題を概ね解決することである。
これは、(確率的な)偏微分方程式の近似解のために以前に開発されたディープスプリッティング法により、ザカイ方程式を解くことで達成される。
これは、ディープニューラルネットワークによる関数近似のためのエネルギーベースモデルと組み合わせられる。
論文 参考訳（メタデータ） (2022-03-31T16:26:54Z) - Deep Learning for the Benes Filter [91.3755431537592]
本研究では,メッシュのないニューラルネットワークによるベンズモデルの解の密度の表現に基づく新しい数値計算法を提案する。
ニューラルネットワークの領域選択におけるフィルタリングモデル方程式における非線形性の役割について論じる。
論文 参考訳（メタデータ） (2022-03-09T14:08:38Z) - An application of the splitting-up method for the computation of a
neural network representation for the solution for the filtering equations [68.8204255655161]
フィルタ方程式は、数値天気予報、金融、工学など、多くの現実の応用において中心的な役割を果たす。
フィルタリング方程式の解を近似する古典的なアプローチの1つは、分割法と呼ばれるPDEにインスパイアされた方法を使うことである。
我々はこの手法をニューラルネットワーク表現と組み合わせて、信号プロセスの非正規化条件分布の近似を生成する。
論文 参考訳（メタデータ） (2022-01-10T11:01:36Z)
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。