論文の概要: Efficient Inference for Coupled Hidden Markov Models in Continuous Time and Discrete Space

• arxiv url: http://arxiv.org/abs/2510.12916v1
• Date: Tue, 14 Oct 2025 18:42:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-16 20:13:28.38605
• Title: Efficient Inference for Coupled Hidden Markov Models in Continuous Time and Discrete Space
• Title（参考訳）: 連続時間と離散空間における結合型隠れマルコフモデルの効率的な推論
• Authors: Giosue Migliorini, Padhraic Smyth,
• Abstract要約: 本稿では,システム内の各マルコフ連鎖の生成元をパラメータ化するモデルクラスであるLatent Interacting Particle Systemsを紹介する。 提案手法は,グラフ上の潜伏SIRSモデルに対する挑戦的後部推論タスクと,実データに基づいて訓練された山火事拡散動態のニューラルモデルに有効であることを示す。
• 参考スコア（独自算出の注目度）: 13.537748779869615
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Systems of interacting continuous-time Markov chains are a powerful model class, but inference is typically intractable in high dimensional settings. Auxiliary information, such as noisy observations, is typically only available at discrete times, and incorporating it via a Doob's $h-$transform gives rise to an intractable posterior process that requires approximation. We introduce Latent Interacting Particle Systems, a model class parameterizing the generator of each Markov chain in the system. Our inference method involves estimating look-ahead functions (twist potentials) that anticipate future information, for which we introduce an efficient parameterization. We incorporate this approximation in a twisted Sequential Monte Carlo sampling scheme. We demonstrate the effectiveness of our approach on a challenging posterior inference task for a latent SIRS model on a graph, and on a neural model for wildfire spread dynamics trained on real data.
• Abstract（参考訳）: 連続時間マルコフ連鎖を相互作用するシステムは強力なモデルクラスであるが、推論は通常高次元の設定では難解である。 ノイズ観測のような補助的な情報は、通常は離散時間でのみ利用可能であり、Doobの$h-$transformを通じてそれを組み込むことで、近似を必要とする難解な後処理が生まれる。 本稿では,システム内の各マルコフ連鎖の生成元をパラメータ化するモデルクラスであるLatent Interacting Particle Systemsを紹介する。 提案手法では,将来の情報を予測するルックアヘッド関数(ツイストポテンシャル)を推定し,効率的なパラメータ化を導入する。 我々は、この近似を、ねじれたSequential Monte Carlo サンプリングスキームに組み込む。 提案手法は,グラフ上の潜伏SIRSモデルに対する挑戦的後部推論タスクと,実データに基づいて訓練された山火事拡散動態のニューラルモデルに有効であることを示す。

関連論文リスト

• Bayesian Circular Regression with von Mises Quasi-Processes [57.88921637944379]
  本研究では、円値ランダム関数上の表現的および解釈可能な分布の族を探索する。 後部推論のために,高速ギブズサンプリングに寄与するストラトノビッチ様拡張法を導入する。 本研究では,このモデルを用いて風向予測と走行歩行周期のパーセンテージを関節角度の関数として適用する実験を行った。
  論文  参考訳（メタデータ） (2024-06-19T01:57:21Z)
• Linear Noise Approximation Assisted Bayesian Inference on Mechanistic Model of Partially Observed Stochastic Reaction Network [2.325005809983534]
  本稿では、部分的に観察された酵素反応ネットワーク(SRN)に対する効率的なベイズ推論手法を開発する。 線形雑音近似(LNA)メタモデルを提案する。 マルコフ・チェイン・モンテカルロの収束を高速化するために、導出確率の勾配を利用して効率的な後方サンプリング手法を開発した。
  論文  参考訳（メタデータ） (2024-05-05T01:54:21Z)
• Generative Modeling with Phase Stochastic Bridges [49.4474628881673]
  拡散モデル(DM)は、連続入力のための最先端の生成モデルを表す。 我々はtextbfphase space dynamics に基づく新しい生成モデリングフレームワークを提案する。 我々のフレームワークは、動的伝播の初期段階において、現実的なデータポイントを生成する能力を示す。
  論文  参考訳（メタデータ） (2023-10-11T18:38:28Z)
• Cheap and Deterministic Inference for Deep State-Space Models of Interacting Dynamical Systems [38.23826389188657]
  本稿では,基礎となる相互作用力学系をモデル化するために,グラフニューラルネットワークを用いた深部状態空間モデルを提案する。 予測分布はマルチモーダルであり、ガウス混合モデルの形をしており、ガウス成分のモーメントは決定論的モーメントマッチングルールによって計算できる。 我々のモーメントマッチングスキームはサンプルのない推論に利用でき、モンテカルロの代替案と比較してより効率的で安定した訓練がもたらされる。
  論文  参考訳（メタデータ） (2023-05-02T20:30:23Z)
• Score-based Continuous-time Discrete Diffusion Models [102.65769839899315]
  連続時間マルコフ連鎖を介して逆過程が認知されるマルコフジャンププロセスを導入することにより、拡散モデルを離散変数に拡張する。 条件境界分布の単純なマッチングにより、偏りのない推定器が得られることを示す。 提案手法の有効性を,合成および実世界の音楽と画像のベンチマークで示す。
  論文  参考訳（メタデータ） (2022-11-30T05:33:29Z)
• Markov Chain Monte Carlo for Continuous-Time Switching Dynamical Systems [26.744964200606784]
  マルコフ連鎖モンテカルロ法による新しい推論アルゴリズムを提案する。 提示されたギブスサンプルは、正確な連続時間後処理から試料を効率的に得ることができる。
  論文  参考訳（メタデータ） (2022-05-18T09:03:00Z)
• Gaussian processes meet NeuralODEs: A Bayesian framework for learning the dynamics of partially observed systems from scarce and noisy data [0.0]
  本稿では,非線形力学系の部分的,雑音的,不規則な観測からベイズ系を同定する機械学習フレームワーク(GP-NODE)を提案する。 提案手法は、微分可能プログラミングの最近の発展を利用して、通常の微分方程式解法を用いて勾配情報を伝播する。 捕食者予備システム,システム生物学,50次元ヒューマンモーションダイナミクスシステムを含む提案GP-NODE法の有効性を示すために,一連の数値的研究を行った。
  論文  参考訳（メタデータ） (2021-03-04T23:42:14Z)
• Partially Hidden Markov Chain Linear Autoregressive model: inference and forecasting [0.0]
  体制の変化にともなう時系列は、エコノメトリー、金融、気象学といった領域に多くの関心を集めている。 i) そのような時系列に関連する状態過程は、部分的に隠れたマルコフチェーン(PHMC)によってモデル化される。 本研究では,存在時の観測状態を考慮した隠れ状態推定手法と予測関数を提案する。
  論文  参考訳（メタデータ） (2021-02-24T22:12:05Z)

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。