論文の概要: Chicken Swarm Kernel Particle Filter: A Structured Rejuvenation Approach with KLD-Efficient Sampling

• arxiv url: http://arxiv.org/abs/2511.12222v1
• Date: Sat, 15 Nov 2025 13:55:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-18 14:36:23.68488
• Title: Chicken Swarm Kernel Particle Filter: A Structured Rejuvenation Approach with KLD-Efficient Sampling
• Title（参考訳）: ニワトリSwarmカーネル粒子フィルタ:KLD効率サンプリングによる構造的再構成手法
• Authors: Hangshuo Tian,
• Abstract要約: 粒子フィルタ (PF) は、チキン・スワム最適化 (CSO) など、しばしばスワム・インテリジェンス (SI) アルゴリズムと組み合わせられる。 本稿では,SI-based rejuvenation kernel と Kullback-Leibler divergence (KLD) サンプリングの理論的相互作用について検討する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Particle filters (PFs) are often combined with swarm intelligence (SI) algorithms, such as Chicken Swarm Optimization (CSO), for particle rejuvenation. Separately, Kullback--Leibler divergence (KLD) sampling is a common strategy for adaptively sizing the particle set. However, the theoretical interaction between SI-based rejuvenation kernels and KLD-based adaptive sampling is not yet fully understood. This paper investigates this specific interaction. We analyze, under a simplified modeling framework, the effect of the CSO rejuvenation step on the particle set distribution. We propose that the fitness-driven updates inherent in CSO can be approximated as a form of mean-square contraction. This contraction tends to produce a particle distribution that is more concentrated than that of a baseline PF, or in mathematical terms, a distribution that is plausibly more ``peaked'' in a majorization sense. By applying Karamata's inequality to the concave function that governs the expected bin occupancy in KLD-sampling, our analysis suggests a connection: under the stated assumptions, the CSO-enhanced PF (CPF) is expected to require a lower \emph{expected} particle count than the standard PF to satisfy the same statistical error bound. The goal of this study is not to provide a fully general proof, but rather to offer a tractable theoretical framework that helps to interpret the computational efficiency empirically observed when combining these techniques, and to provide a starting point for designing more efficient adaptive filters.
• Abstract（参考訳）: 粒子フィルタ(PF)は、しばしば粒子の再生のために、Chicken Swarm Optimization (CSO)のようなSwarm Intelligence (SI)アルゴリズムと組み合わせられる。 Kullback-Leibler divergence(KLD)サンプリングは、粒子集合を適応的にサイズ化するための一般的な方法である。 しかし、SIベースのリユーベーションカーネルとKLDベースのアダプティブサンプリングの理論的相互作用は、まだ完全には理解されていない。 本稿では,この相互作用について考察する。 簡易なモデリング手法により, CSO再生ステップが粒子集合分布に及ぼす影響を解析した。 我々は、CSOに固有のフィットネス駆動型更新を平均2乗収縮の形式として近似することができることを提案する。 この縮約は、基底線 PF よりも高濃度の粒子分布を生成する傾向にあり、あるいは数学的には、極端に「ピーク」な分布は、偏化の意味では「ピーク」である。 カラマタの不等式をKLDサンプリングにおいて期待されるビン占有量を支配する凹凸関数に適用することにより、我々の分析は、CSO強化PF(CPF)は、同じ統計誤差境界を満たすために標準のPFよりも低いemph{expected}粒子数を必要とすることを仮定する。 本研究の目的は、完全汎用的な証明を提供することではなく、これらの手法を組み合わせる際に経験的に観察された計算効率を解釈する上で有用な理論的枠組みを提供することであり、より効率的な適応フィルタを設計するための出発点を提供することである。

関連論文リスト

• Inference-Time Scaling of Diffusion Language Models with Particle Gibbs Sampling [70.8832906871441]
  我々は、モデルを再訓練することなく、所望の報酬に向けて世代を操る方法を研究する。 従来の手法では、通常は1つの認知軌道内でサンプリングやフィルタを行い、軌道レベルの改善なしに報酬をステップバイステップで最適化する。 本稿では,拡散言語モデル(PG-DLM)の粒子ギブスサンプリングについて紹介する。
  論文  参考訳（メタデータ） (2025-07-11T08:00:47Z)
• Progressive Inference-Time Annealing of Diffusion Models for Sampling from Boltzmann Densities [93.13866975467549]
  拡散に基づくサンプル学習のために, PITA(Progressive Inference-Time Annealing)を提案する。 PITAはボルツマン分布のアナーリングと拡散平滑化という2つの相補的手法を組み合わせたものである。 N-体粒子系、アラニンジペプチド、トリペプチドの平衡サンプリングを可能にする。
  論文  参考訳（メタデータ） (2025-06-19T17:14:22Z)
• Adversarial Transform Particle Filters [11.330617592263744]
  粒子フィルタ(PF)とアンサンブルカルマンフィルタ(EnKF)は状態空間モデルにおける近似推論に広く用いられている。 本稿では, PF と EnKF の強みを組み合わせた新しいフィルタフレームワークである Adversarial Transform Particle Filter (ATPF) を提案する。
  論文  参考訳（メタデータ） (2025-02-10T05:31:35Z)
• Optimal Particle-based Approximation of Discrete Distributions (OPAD) [7.127829790714167]
  粒子の集合に対して、ターゲット分布から(粒子をベースとした)近似のクルバック・リブラー(KL)の発散を最小限に抑える一意の重み付け機構が存在することを示す。 既存の粒子法で既に計算されている値に基づいて最適な重みを求めることができることを示す。
  論文  参考訳（メタデータ） (2024-11-30T17:36:59Z)
• Nonlinear Filtering with Brenier Optimal Transport Maps [6.048942663334447]
  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)
• Adaptive Annealed Importance Sampling with Constant Rate Progress [68.8204255655161]
  Annealed Importance Smpling (AIS)は、抽出可能な分布から重み付けされたサンプルを合成する。 本稿では,alpha$-divergencesに対する定数レートAISアルゴリズムとその効率的な実装を提案する。
  論文  参考訳（メタデータ） (2023-06-27T08:15:28Z)
• PAPAL: A Provable PArticle-based Primal-Dual ALgorithm for Mixed Nash Equilibrium [58.26573117273626]
  2プレイヤゼロサム連続ゲームにおける非AL平衡非漸近目的関数について考察する。 連続分布戦略のための粒子ベースアルゴリズムに関する新しい知見を述べる。
  論文  参考訳（メタデータ） (2023-03-02T05:08:15Z)
• Sampling with Mollified Interaction Energy Descent [57.00583139477843]
  モーフィファイド相互作用エネルギー降下(MIED)と呼ばれる新しい最適化に基づくサンプリング手法を提案する。 MIEDは、モル化相互作用エネルギー(MIE)と呼ばれる確率測度に関する新しいクラスのエネルギーを最小化する 我々は,制約のないサンプリング問題に対して,我々のアルゴリズムがSVGDのような既存の粒子ベースアルゴリズムと同等に動作することを示す。
  論文  参考訳（メタデータ） (2022-10-24T16:54:18Z)

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。