論文の概要: Potential-energy gating for robust state estimation in bistable stochastic systems

• arxiv url: http://arxiv.org/abs/2602.11712v2
• Date: Sat, 14 Feb 2026 15:10:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-17 14:17:27.738146
• Title: Potential-energy gating for robust state estimation in bistable stochastic systems
• Title（参考訳）: 双安定確率系のロバスト状態推定のためのポテンシャルエネルギーゲーティング
• Authors: Luigi Simeone,
• Abstract要約: ダブルウェル・ダイナミクスによって制御されるシステムにおけるロバストな状態推定法である電位エネルギーゲーティングを導入する。 拡張フィルタ,アンセントフィルタ,アンサンブルフィルタ,適応カルマンフィルタ内にゲーティングを実装した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: We introduce potential-energy gating, a method for robust state estimation in systems governed by double-well stochastic dynamics. The observation noise covariance of a Bayesian filter is modulated by the local value of a known or assumed potential energy function: observations are trusted when the state is near a potential minimum and progressively discounted as it approaches the barrier separating metastable wells. This physics-based mechanism differs from statistical robust filters, which treat all state-space regions identically, and from constrained filters, which bound states rather than modulating observation trust. The approach is especially relevant in non-ergodic or data-scarce settings where only a single realization is available and statistical methods alone cannot learn the noise structure. We implement gating within Extended, Unscented, Ensemble, and Adaptive Kalman filters and particle filters, requiring only two additional hyperparameters. Monte Carlo benchmarks (100 replications) on a Ginzburg-Landau double-well with 10% outlier contamination show 57-80% RMSE improvement over the standard Extended Kalman Filter, all statistically significant (p < 10^{-15}, Wilcoxon test). A naive topological baseline using only well positions achieves 57%, confirming that the continuous energy landscape adds ~21 percentage points. The method is robust to misspecification: even with 50% parameter errors, improvement never falls below 47%. Comparing externally forced and spontaneous Kramers-type transitions, gating retains 68% improvement under noise-induced transitions whereas the naive baseline degrades to 30%. As an empirical illustration, we apply the framework to Dansgaard-Oeschger events in the NGRIP delta-18O ice-core record, estimating asymmetry gamma = -0.109 (bootstrap 95% CI: [-0.220, -0.011]) and showing that outlier fraction explains 91% of the variance in filter improvement.
• Abstract（参考訳）: ダブルウェル確率力学によって制御されるシステムにおけるロバストな状態推定法であるポテンシャルエネルギーゲーティングを導入する。 ベイズフィルタの観測ノイズ共分散は、既知のまたは仮定されたポテンシャルエネルギー関数の局所値によって変調される。 この物理に基づくメカニズムは、全ての状態空間領域を同一に扱う統計的頑健なフィルタと、観測信頼を変調するよりも境界のある状態を扱う制約付きフィルタとの違いがある。 このアプローチは、単一の実現のみが可能であり、統計学的手法だけではノイズ構造を学べない、非エルゴード的またはデータスカースな設定に特に関係している。 拡張フィルタ,アンセントフィルタ,アンサンブルフィルタ,適応カルマンフィルタ内にゲーティングを実装し,さらに2つのハイパーパラメータを必要とする。 ギンツブルク・ランダウ二重井でのモンテカルロベンチマーク(100回の複製)では、10%の外部汚染により、標準的な拡張カルマンフィルタよりも57-80%のRMSEの改善が見られた(p < 10^{-15}, Wilcoxon test)。 健全な位置のみを用いた単純なトポロジカルベースラインは57%を達成し、連続的なエネルギーの景観が約21パーセントのポイントを増すことを確認した。 50%のパラメータエラーがあっても、改善は47%以下にはならない。 外部からの強制的および自発的なクラマース型遷移と比較して、ゲーティングはノイズ誘起遷移下での68%の改善を保ち、ネイブベースラインは30%に低下する。 実験的な例として、NGRIP delta-18O氷床コア記録におけるDansgaard-Oeschger 現象にフレームワークを適用し、非対称性ガンマ = -0.109 (ブートストラップ95% CI: [-0.220, -0.011]) を推定し、フィルタ改善の分散の91%を外周分率で説明できることを示した。

関連論文リスト

• Function-Space Decoupled Diffusion for Forward and Inverse Modeling in Carbon Capture and Storage [65.51149575007149]
  本稿では,Fun-DDPSについて述べる。Fun-DDPSは,関数空間拡散モデルと微分可能なニューラル演算子サロゲートを結合した生成フレームワークである。 Fun-DDPSは、ジョイントステートベースラインで観察される高周波アーティファクトから、物理的に一貫した実現をもたらす。
  論文  参考訳（メタデータ） (2026-02-12T18:58:12Z)
• Robust Physics Discovery from Highly Corrupted Data: A PINN Framework Applied to the Nonlinear Schrödinger Equation [0.0]
  重騒音条件下でのNVIDIA Schrodinger Equation(LSEN)から物理パラメータを復元できるディープラーニングフレームワークを実証する。 相対誤差が0.2%未満の非線形係数ベータを500個のスパースサンプルデータポイントのみを用いて再構成する。 その結果,物理学に基づく正則化は高い測定の不確実性に対して有効なフィルタとして機能することが示唆された。
  論文  参考訳（メタデータ） (2026-01-07T18:43:11Z)
• Colorful Pinball: Density-Weighted Quantile Regression for Conditional Guarantee of Conformal Prediction [7.273442425568326]
  我々は、多くの共形法を支える量子レグレッション成分を洗練する。 我々は、結果として生じる過剰なリスクを特徴付ける、正確な非漸近的保証を伴う理論的分析を提供する。 多様な高次元実世界のデータセットの実験では、条件付きカバレッジ性能が著しく改善された。
  論文  参考訳（メタデータ） (2025-12-30T11:02:35Z)
• Secure and Explainable Fraud Detection in Finance via Hierarchical Multi-source Dataset Distillation [17.90471000973834]
  訓練されたランダム森林は、透明で軸方向の規則領域に変換される。 合成トランザクションは、各領域内で一様にサンプリングすることによって生成される。 これにより、コンパクトで監査可能なサロゲートデータセットが生成される。
  論文  参考訳（メタデータ） (2025-12-26T05:00:35Z)
• The Eminence in Shadow: Exploiting Feature Boundary Ambiguity for Robust Backdoor Attacks [51.468144272905135]
  深層ニューラルネットワーク(DNN)は、バックドア攻撃に対して脆弱なままでも重要なアプリケーションを支える。 バックドア攻撃を標的とした理論的解析を行い,不均質なモデル操作を実現するための疎い決定境界に着目した。 エミネンス(Eminence)は、理論的な保証と固有なステルス特性を持つ、説明可能で堅牢なブラックボックスバックドアフレームワークである。
  論文  参考訳（メタデータ） (2025-12-11T08:09:07Z)
• Lazy Layers to Make Fine-Tuned Diffusion Models More Traceable [70.77600345240867]
  新たな任意の任意配置(AIAO)戦略は、微調整による除去に耐性を持たせる。 拡散モデルの入力/出力空間のバックドアを設計する既存の手法とは異なり,本手法では,サンプルサブパスの特徴空間にバックドアを埋め込む方法を提案する。 MS-COCO,AFHQ,LSUN,CUB-200,DreamBoothの各データセットに関する実証研究により,AIAOの堅牢性が確認された。
  論文  参考訳（メタデータ） (2024-05-01T12:03:39Z)
• State Estimation and Control for Stochastic Quantum Dynamics with Homodyne Measurement: Stabilizing Qubits under Uncertainty [1.4811951486536687]
  本稿では, ホモダイン測定を用いたリアプノフに基づく制御手法を提案する。 従来の量子フィルタリングと拡張カルマンフィルタの修正版について検討した。
  論文  参考訳（メタデータ） (2024-03-09T22:29:00Z)
• Confidence and Dispersity Speak: Characterising Prediction Matrix for Unsupervised Accuracy Estimation [51.809741427975105]
  この研究は、ラベルを使わずに、分散シフト下でのモデルの性能を評価することを目的としている。 我々は、両方の特性を特徴付けるのに有効であることが示されている核規範を用いる。 核の基準は既存の手法よりも正確で堅牢であることを示す。
  論文  参考訳（メタデータ） (2023-02-02T13:30:48Z)
• Training Compact CNNs for Image Classification using Dynamic-coded Filter Fusion [139.71852076031962]
  動的符号化フィルタ融合(DCFF)と呼ばれる新しいフィルタプルーニング法を提案する。 我々は、効率的な画像分類のために、計算経済的および正規化のない方法でコンパクトなCNNを導出する。 我々のDCFFは、72.77MのFLOPと1.06Mのパラメータしか持たないコンパクトなVGGNet-16を導出し、トップ1の精度は93.47%に達した。
  論文  参考訳（メタデータ） (2021-07-14T18:07:38Z)

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。