Fugu-MT 論文翻訳(概要): Asymptotic Expansion for Nonlinear Filtering in the Small System Noise Regime

論文の概要: Asymptotic Expansion for Nonlinear Filtering in the Small System Noise Regime

arxiv url: http://arxiv.org/abs/2509.23920v1
Date: Sun, 28 Sep 2025 14:50:45 GMT
ステータス: 翻訳完了
システム内更新日: 2025-09-30 22:32:19.533097
Title: Asymptotic Expansion for Nonlinear Filtering in the Small System Noise Regime
Title（参考訳）: 小システムノイズレジームにおける非線形フィルタの漸近展開
Authors: Masahiro Kurisaki,
Abstract要約: システムノイズの小さなパラメータに基づく非線形フィルタリングのための新しい拡張法を提案する。このアプローチは、既存の手法に固有の計算効率と精度のトレードオフを緩和する。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We propose a new asymptotic expansion method for nonlinear filtering, based on a small parameter in the system noise. The conditional expectation is expanded as a power series in the noise level, with each coefficient computed by solving a system of ordinary differential equations. This approach mitigates the trade-off between computational efficiency and accuracy inherent in existing methods such as Gaussian approximations and particle filters. Moreover, by incorporating an Edgeworth-type expansion, our method captures complex features of the conditional distribution, such as multimodality, with significantly lower computational cost than conventional filtering algorithms.
Abstract（参考訳）: システムノイズの小さなパラメータに基づく非線形フィルタリングのための漸近拡張法を提案する。各係数は通常の微分方程式の系を解くことによって計算される。このアプローチは、ガウス近似や粒子フィルタのような既存の手法に固有の計算効率と精度のトレードオフを緩和する。さらに,Edgeworth型拡張を組み込むことで,従来のフィルタリングアルゴリズムよりも計算コストが大幅に低いマルチモーダリティなどの条件分布の複雑な特徴を捉える。

関連論文リスト

Self-Supervised Coarsening of Unstructured Grid with Automatic Differentiation [55.88862563823878]
本研究では,微分可能物理の概念に基づいて,非構造格子を階層化するアルゴリズムを提案する。多孔質媒質中のわずかに圧縮可能な流体流を制御した線形方程式と波動方程式の2つのPDE上でのアルゴリズムの性能を示す。その結果,検討したシナリオでは,関心点におけるモデル変数のダイナミクスを保ちながら,格子点数を最大10倍に削減した。
論文参考訳（メタデータ） (2025-07-24T11:02:13Z)
Accelerated Inference for Partially Observed Markov Processes using Automatic Differentiation [4.872049174955585]
自動微分(AD)は機械学習の最近の進歩を促している。我々は,新しいアルゴリズムのクラスの拡張を提供する理論的枠組みに,既存の2つのAD粒子フィルタ手法を組み込む方法を示す。我々はAD勾配推定のモンテカルロ特性に適合する確率アルゴリズムを開発する。
論文参考訳（メタデータ） (2024-07-03T13:06:46Z)
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)
Estimation Sample Complexity of a Class of Nonlinear Continuous-time Systems [0.0]
本稿では, 大規模非線形系のパラメータ推定法について述べる。正規化線形回帰を用いて力学を直接反転させることにより未知パラメータを解く手法は、微分フィルタと正規化最小二乗の新たな設計と解析のアイデアに基づいている。
論文参考訳（メタデータ） (2023-12-08T21:42:11Z)
Nonlinear Filtering with Brenier Optimal Transport Maps [4.745059103971596]
本稿では,非線形フィルタリング,すなわち動的システムの状態の条件分布の計算の問題について述べる。従来の逐次重要再サンプリング(SIR)粒子フィルタは、縮退確率や高次元状態を含むシナリオにおいて、基本的な制限に悩まされる。本稿では,Brenier 最適輸送 (OT) マップを,現在の状態の分布から次のステップにおける後部分布へ推定する手法について検討する。
論文参考訳（メタデータ） (2023-10-21T01:34:30Z)
Low-rank extended Kalman filtering for online learning of neural networks from streaming data [71.97861600347959]
非定常データストリームから非線形関数のパラメータを推定するための効率的なオンライン近似ベイズ推定アルゴリズムを提案する。この方法は拡張カルマンフィルタ (EKF) に基づいているが、新しい低ランク+斜角行列分解法を用いている。変分推論に基づく手法とは対照的に,本手法は完全に決定論的であり,ステップサイズチューニングを必要としない。
論文参考訳（メタデータ） (2023-05-31T03:48:49Z)
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)
Deep learning based numerical approximation algorithms for stochastic partial differential equations and high-dimensional nonlinear filtering problems [4.164845768197489]
本稿では、偏微分方程式(SPDE)の解に対するディープラーニングに基づく近似アルゴリズムの導入と研究を行う。本研究では,SPDEの駆動ノイズ過程のすべての実現にディープニューラルネットワークを用い,SPDEの解過程を近似する。これらのSPDEのそれぞれにおいて,提案した近似アルゴリズムは,最大50空間の短い実行時間で正確な結果を生成する。
論文参考訳（メタデータ） (2020-12-02T13:25:35Z)

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。