論文の概要: Conditional Normalizing Flows for Forward and Backward Joint State and Parameter Estimation

• arxiv url: http://arxiv.org/abs/2601.07013v1
• Date: Sun, 11 Jan 2026 18:01:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-13 19:08:01.117584
• Title: Conditional Normalizing Flows for Forward and Backward Joint State and Parameter Estimation
• Title（参考訳）: 前方・後方関節状態に対する条件正規化流れとパラメータ推定
• Authors: Luke S. Lagunowich, Guoxiang Grayson Tong, Daniele E. Schiavazzi,
• Abstract要約: 本研究は非線形フィルタリングによる状態推定の正規化に関する最近のアプローチをレビューする。 本研究は、自律運転と患者集団動態に関する応用におけるこれらのアプローチの性能について考察する。 最後に,実世界の新型コロナウイルス(COVID-19)共同SIRシステムの予測と推定に応用するための様々な条件付け手法の性能を評価する。
• 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: Traditional filtering algorithms for state estimation -- such as classical Kalman filtering, unscented Kalman filtering, and particle filters - show performance degradation when applied to nonlinear systems whose uncertainty follows arbitrary non-Gaussian, and potentially multi-modal distributions. This study reviews recent approaches to state estimation via nonlinear filtering based on conditional normalizing flows, where the conditional embedding is generated by standard MLP architectures, transformers or selective state-space models (like Mamba-SSM). In addition, we test the effectiveness of an optimal-transport-inspired kinetic loss term in mitigating overparameterization in flows consisting of a large collection of transformations. We investigate the performance of these approaches on applications relevant to autonomous driving and patient population dynamics, paying special attention to how they handle time inversion and chained predictions. Finally, we assess the performance of various conditioning strategies for an application to real-world COVID-19 joint SIR system forecasting and parameter estimation.
• Abstract（参考訳）: 古典的なカルマンフィルタ、無色カルマンフィルタ、粒子フィルタなど、状態推定のための伝統的なフィルタリングアルゴリズムは、任意の非ガウス分布や潜在的に多モード分布に従わない非線形系に適用した場合、性能劣化を示す。 本研究では, 条件付き正規化フローをベースとした非線形フィルタリングによる状態推定手法について, 標準MPPアーキテクチャ, トランスフォーマー, 選択状態空間モデル(Mamba-SSMなど)により条件付き埋め込みを生成する手法について検討した。 さらに, 変換の集合からなる流れの過度パラメータ化を緩和する上で, 最適輸送にインスパイアされた運動損失項の有効性を検証した。 本研究では、これらのアプローチが自律運転や患者人口動態に関係のあるアプリケーションに応用される場合の性能について検討し、時間反転や連鎖予測の処理方法に特に注意を払う。 最後に,現実のSIRシステム予測とパラメータ推定に応用するための様々な条件付け手法の性能を評価する。

関連論文リスト

• Efficient Transformed Gaussian Process State-Space Models for Non-Stationary High-Dimensional Dynamical Systems [49.819436680336786]
  本研究では,高次元非定常力学系のスケーラブルかつ柔軟なモデリングのための効率的な変換ガウス過程状態空間モデル(ETGPSSM)を提案する。 具体的には、ETGPSSMは、単一の共有GPと入力依存の正規化フローを統合し、複雑な非定常遷移ダイナミクスを捉える前に、表現的な暗黙のプロセスを生成する。 ETGPSSMは、計算効率と精度の観点から、既存のGPSSMとニューラルネットワークベースのSSMより優れています。
  論文  参考訳（メタデータ） (2025-03-24T03:19:45Z)
• Transformers as Implicit State Estimators: In-Context Learning in Dynamical Systems [18.634960596074027]
  変換器は隠れた状態を暗黙的に推論して、幅広い力学系の出力を予測することができることを示す。 インコンテキスト学習は動的システムにおける出力予測に柔軟で非パラメトリックな代替手段を提供することを示している。
  論文  参考訳（メタデータ） (2024-10-21T22:18:10Z)
• Online Variational Sequential Monte Carlo [49.97673761305336]
  我々は,計算効率が高く正確なモデルパラメータ推定とベイジアン潜在状態推定を提供する変分連続モンテカルロ法(VSMC)を構築した。 オンラインVSMCは、パラメータ推定と粒子提案適応の両方を効率よく、完全にオンザフライで実行することができる。
  論文  参考訳（メタデータ） (2023-12-19T21:45:38Z)
• Joint State Estimation and Noise Identification Based on Variational Optimization [8.536356569523127]
  CVIAKFと呼ばれる共役計算変分推論に基づく新しい適応カルマンフィルタ法を提案する。 CVIAKFの有効性は、目標追尾のための合成および実世界のデータセットを通して検証される。
  論文  参考訳（メタデータ） (2023-12-15T07:47:03Z)
• Ensemble Kalman Filtering Meets Gaussian Process SSM for Non-Mean-Field and Online Inference [47.460898983429374]
  我々は,非平均場(NMF)変動推定フレームワークにアンサンブルカルマンフィルタ(EnKF)を導入し,潜在状態の後方分布を近似する。 EnKFとGPSSMのこの新しい結婚は、変分分布の学習における広範なパラメータ化の必要性をなくすだけでなく、エビデンスの下限(ELBO)の解釈可能でクローズドな近似を可能にする。 得られたEnKF支援オンラインアルゴリズムは、データ適合精度を確保しつつ、モデル正規化を組み込んで過度適合を緩和し、目的関数を具現化する。
  論文  参考訳（メタデータ） (2023-12-10T15:22:30Z)
• 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)

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。