論文の概要: A Kullback-Leibler divergence method for input-system-state identification

• arxiv url: http://arxiv.org/abs/2511.02426v1
• Date: Tue, 04 Nov 2025 09:57:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-05 18:47:05.885494
• Title: A Kullback-Leibler divergence method for input-system-state identification
• Title（参考訳）: Kullback-Leibler分散法による入力-状態同定法
• Authors: Marios Impraimakis,
• Abstract要約: ここでは,Kalmanフィルタフレームワーク内で,新しいKullback-Leibler分散手法の有効性について検討する。 最小のKullback-Leibler発散の識別は、最も妥当な結果の識別として選択される。
• 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 capability of a novel Kullback-Leibler divergence method is examined herein within the Kalman filter framework to select the input-parameter-state estimation execution with the most plausible results. This identification suffers from the uncertainty related to obtaining different results from different initial parameter set guesses, and the examined approach uses the information gained from the data in going from the prior to the posterior distribution to address the issue. Firstly, the Kalman filter is performed for a number of different initial parameter sets providing the system input-parameter-state estimation. Secondly, the resulting posterior distributions are compared simultaneously to the initial prior distributions using the Kullback-Leibler divergence. Finally, the identification with the least Kullback-Leibler divergence is selected as the one with the most plausible results. Importantly, the method is shown to select the better performed identification in linear, nonlinear, and limited information applications, providing a powerful tool for system monitoring.
• Abstract（参考訳）: ここではKalmanフィルタフレームワーク内で,入力パラメータ状態推定の実行を最も有効な結果で選択するために,新しいKullback-Leibler分散法の有効性について検討する。 この識別は、異なる初期パラメータセットの推定値から異なる結果を得るための不確実性に悩まされ、本研究では、後続分布から得られたデータから得られた情報を用いて問題に対処する。 まず、システム入力パラメータ状態推定を提供する多数の初期パラメータセットに対してカルマンフィルタを実行する。 第二に、得られた後続分布は、Kulback-Leibler分散を用いて、初期前の分布と同時に比較される。 最後に、最も妥当な結果を持つものとして、最小クルバック・リーブラー分岐の同定が選択される。 重要なことは、線形、非線形、および限定的な情報アプリケーションにおいて、より優れた性能の識別を選択できることであり、システム監視のための強力なツールを提供する。

関連論文リスト

• A Metropolis-Adjusted Langevin Algorithm for Sampling Jeffreys Prior [3.6635042413473937]
  推測と推定は統計学、システム識別、機械学習において基本的なものである。 ジェフリーズ事前はフィッシャー情報行列を通してパラメータ空間の固有の幾何学構造を符号化するので、魅力ある非形式的先行である。 我々は,ジェフリーズ以前のパラメータ値のサンプリングを可能にするメトロポリス調整ランゲヴィンアルゴリズムを用いて,一般的なサンプリング手法を開発した。
  論文  参考訳（メタデータ） (2025-04-08T18:44:33Z)
• Auditing Differential Privacy Guarantees Using Density Estimation [3.830092569453011]
  DP機構の差分プライバシー保証を正確に評価するための新しい手法を提案する。 特に、我々のソリューションは、機械学習(ML)モデルのDP保証の監査に適用できる。
  論文  参考訳（メタデータ） (2024-06-07T10:52:15Z)
• A least-square method for non-asymptotic identification in linear switching control [17.938732931331064]
  基礎となる部分観測線形力学系は、既知の候補モデルの有限集合内にあることが知られている。 線形最小二乗法の非漸近解析における最近の進歩を活用して、この問題の有限時間サンプル複雑性を特徴づける。 基礎となるシステムの未知のパラメータを識別するデータ駆動型スイッチング戦略を提案する。
  論文  参考訳（メタデータ） (2024-04-11T20:55:38Z)
• Score-based Source Separation with Applications to Digital Communication Signals [72.6570125649502]
  拡散モデルを用いた重畳音源の分離手法を提案する。 高周波(RF)システムへの応用によって、我々は、基礎となる離散的な性質を持つ情報源に興味を持っている。 提案手法は,最近提案されたスコア蒸留サンプリング方式のマルチソース拡張と見なすことができる。
  論文  参考訳（メタデータ） (2023-06-26T04:12:40Z)
• 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)
• Partially Observable Online Change Detection via Smooth-Sparse Decomposition [16.8028358824706]
  本研究は,センサ容量の制限により,各センシング時点におけるデータストリームのサブセットのみを観測できる,疎度な変化を伴う高次元データストリームのオンライン変化検出について考察する。 一方、検出方式は、部分的に観測可能なデータを扱うことができ、一方、スパース変化に対する効率的な検出能力を有するべきである。 本稿では,CDSSDと呼ばれる新しい検出手法を提案する。特にスムーズな分解によるスムーズな変化を伴う高次元データの構造について述べる。
  論文  参考訳（メタデータ） (2020-09-22T16:03:04Z)
• Variable selection for Gaussian process regression through a sparse projection [0.802904964931021]
  本稿では,ガウス過程(GP)レグレッションと統合された新しい変数選択手法を提案する。 パラメータの調整と推定の精度を,選択したベンチマーク手法を用いて評価した。
  論文  参考訳（メタデータ） (2020-08-25T01:06:10Z)
• Batch Stationary Distribution Estimation [98.18201132095066]
  サンプル遷移の組を与えられたエルゴードマルコフ鎖の定常分布を近似する問題を考える。 与えられたデータに対する補正比関数の復元に基づく一貫した推定器を提案する。
  論文  参考訳（メタデータ） (2020-03-02T09:10:01Z)

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。