論文の概要: The Ensemble Schr{ö}dinger Bridge filter for Nonlinear Data Assimilation

• arxiv url: http://arxiv.org/abs/2512.18928v1
• Date: Mon, 22 Dec 2025 00:06:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-23 18:54:32.559287
• Title: The Ensemble Schr{ö}dinger Bridge filter for Nonlinear Data Assimilation
• Title（参考訳）: 非線形データ同化のためのアンサンブルSchr{ö}dinger Bridge filter
• Authors: Feng Bao, Hui Sun,
• Abstract要約: この研究により、新しい非線形最適フィルタ、すなわちエンサンブル・シュルディンガー橋非線形フィルタが提案される。 提案したフィルタは,解析手順における標準予測手順と拡散生成モデルとの結合を見つけ,一つのフィルタリングステップを実現する。 実験結果から,このアルゴリズムはカオス環境下で最大40以上の高次元(軽度)での高非線形ダイナミクスを良好に実現していることがわかった。
• 参考スコア（独自算出の注目度）: 4.3169866624454345
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This work puts forward a novel nonlinear optimal filter namely the Ensemble Schr{ö}dinger Bridge nonlinear filter. The proposed filter finds marriage of the standard prediction procedure and the diffusion generative modeling for the analysis procedure to realize one filtering step. The designed approach finds no structural model error, and it is derivative free, training free and highly parallizable. Experimental results show that the designed algorithm performs well given highly nonlinear dynamics in (mildly) high dimension up to 40 or above under a chaotic environment. It also shows better performance than classical methods such as the ensemble Kalman filter and the Particle filter in numerous tests given different level of nonlinearity. Future work will focus on extending the proposed approach to practical meteorological applications and establishing a rigorous convergence analysis.
• Abstract（参考訳）: この研究は、新しい非線形最適フィルタ、すなわちエンサンブル・シュルベーディンガー・ブリッジ非線形フィルタを推し進める。 提案したフィルタは,解析手順における標準予測手順と拡散生成モデルとの結合を見つけ,一つのフィルタリングステップを実現する。 設計されたアプローチでは、構造モデルエラーは見つからず、微分自由で、トレーニング自由で、非常にパラライズ可能なものである。 実験結果から,このアルゴリズムはカオス環境下で最大40以上の高次元(軽度)での高非線形ダイナミクスを良好に実現していることがわかった。 また、アンサンブルカルマンフィルタや粒子フィルタのような古典的な手法よりも多くの試験で異なる非線形性のレベルが与えられた場合に優れた性能を示す。 今後の研究は、提案されたアプローチを実際的な気象学的応用に拡張し、厳密な収束分析を確立することに集中する。

関連論文リスト

• An Efficient Conditional Score-based Filter for High Dimensional Nonlinear Filtering Problems [6.234365089734548]
  Conditional Score-based Filter (CSF) は、セット変換器エンコーダと条件拡散モデルを利用して、リトレーニングなしで効率よく正確な後方サンプリングを実現する新しいアルゴリズムである。 ベンチマーク問題に対する実験により、CSFは様々な非線形フィルタリングシナリオにおいて優れた精度、堅牢性、効率を達成することが示された。
  論文  参考訳（メタデータ） (2025-09-24T06:55:52Z)
• Learning Optimal Filters Using Variational Inference [0.3749861135832072]
  フィルタリングシステムのためのパラメータ化分析マップを学習するためのフレームワークを提案する。 原理的には、これはフィルタリング分布の近似をより良くし、従ってバイアスを小さくする。 この手法は、線形および非線形力学系をフィルタリングするアフィン解析マップにおいてゲイン行列の学習に利用できることを示す。
  論文  参考訳（メタデータ） (2024-06-26T04:51:14Z)
• 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)
• 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)
• 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)

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。