論文の概要: Robust Sequential Tracking via Bounded Information Geometry and Non-Parametric Field Actions

• arxiv url: http://arxiv.org/abs/2603.13613v1
• Date: Fri, 13 Mar 2026 21:40:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-17 16:19:35.299011
• Title: Robust Sequential Tracking via Bounded Information Geometry and Non-Parametric Field Actions
• Title（参考訳）: 境界情報幾何と非パラメトリックフィールドアクションによるロバストな逐次追跡
• Authors: Carlos C. Rodriguez,
• Abstract要約: LiDARによるターゲット追跡、高周波暗号秩序フロー、量子状態トモグラフィーの3つの領域にわたる実証的なベンチマークでは、この情報ジオメトリが異常値を解析的に減らすことを実証している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Standard sequential inference architectures are compromised by a normalizability crisis when confronted with extreme, structured outliers. By operating on unbounded parameter spaces, state-of-the-art estimators lack the intrinsic geometry required to appropriately sever anomalies, resulting in unbounded covariance inflation and mean divergence. This paper resolves this structural failure by analyzing the abstraction sequence of inference at the meta-prior level (S_2). We demonstrate that extremizing the action over an infinite-dimensional space requires a non-parametric field anchored by a pre-prior, as a uniform volume element mathematically does not exist. By utilizing strictly invariant Delta (or ν) Information Separations on the statistical manifold, we physically truncate the infinite tails of the spatial distribution. When evaluated as a Radon-Nikodym derivative against the base measure, the active parameter space compresses into a strictly finite, normalizable probability droplet. Empirical benchmarks across three domains--LiDAR maneuvering target tracking, high-frequency cryptocurrency order flow, and quantum state tomography--demonstrate that this bounded information geometry analytically truncates outliers, ensuring robust estimation without relying on infinite-tailed distributional assumptions.
• Abstract（参考訳）: 標準的な逐次推論アーキテクチャは、極端に構造化された外れ値に直面した場合、正規化可能性危機によって妥協される。 非有界パラメータ空間を演算することにより、最先端推定器は、異常を適切に分離するために必要な固有の幾何学を欠き、非有界共分散インフレーションと平均発散をもたらす。 本稿では,メタプライアレベル(S_2)における推論の抽象シーケンスを解析することにより,この構造的失敗を解消する。 無限次元空間上での作用の過激化は、一様体積要素が数学的に存在しないため、プリプラーによって固定された非パラメトリック場を必要とすることを実証する。 統計多様体上の厳密に不変なデルタ(あるいはν)情報分離を利用することで、空間分布の無限尾を物理的に切り離す。 基本測度に対してラドン-ニコディム微分として評価されると、活性パラメータ空間は厳密に有限で正規化可能な確率滴に圧縮される。 ターゲットトラッキングの操作、高周波暗号秩序フロー、量子状態トモグラフィーという3つの領域にわたる実証的なベンチマークでは、この境界情報の幾何学が解析的にアウトリーチを減らし、無限尾分布の仮定に頼ることなくロバストな推定を保証することを実証している。

関連論文リスト

• Statistical-Geometric Degeneracy in UAV Search: A Physics-Aware Asymmetric Filtering Approach [23.49656058107753]
  無人航空機 (UAV) を用いた災害後の生存者の移動は、基本的な物理的課題に直面している。 標準ガウスノイズとは異なり、破片からの信号反射は厳密に非負の範囲バイアスをもたらす。 既存のロバストな推定器は一般に対称損失関数で設計され、暗黙的に誤差対称性の仮定に依存する。 我々はNLOSバイアスの非負の物理先行を明示的に組み込んだ物理基底解 AsymmetricHuberEKF を提案する。
  論文  参考訳（メタデータ） (2026-02-11T08:33:56Z)
• Random-Matrix-Induced Simplicity Bias in Over-parameterized Variational Quantum Circuits [72.0643009153473]
  本稿では,観測可能な期待値とパラメータ勾配の両方がシステムサイズに指数関数的に集中するHaar型普遍性クラスに,表現的変分アンサーゼが入ることを示す。 その結果、そのような回路によって誘導される仮説クラスは、近点関数の狭い族に高い確率で崩壊する。 テンソル-ネットワークベースおよびテンソル-ハイパーネットワークパラメータ化を含むテンソル構造VQCは、ハール型普遍性クラスの外にある。
  論文  参考訳（メタデータ） (2026-01-05T08:04:33Z)
• ARGUS: Adaptive Rotation-Invariant Geometric Unsupervised System [0.0]
  本稿では,データ多様体の固定空間分割上での局所統計追跡としてドリフト検出を再現するフレームワークであるArgusを紹介する。 正準正則フレーム上のボロノイテッセルレーションは変換に不変なドリフト計量をもたらす。 孤立摂動からコヒーレントな分布シフトを区別するドリフト伝播のグラフ理論的特徴付けを開発した。
  論文  参考訳（メタデータ） (2026-01-03T22:39:20Z)
• An approach to Fisher-Rao metric for infinite dimensional non-parametric information geometry [0.6138671548064355]
  無限次元であることから、非パラメトリックな情報幾何学は長い間「難易度障壁」に直面してきた。 本稿では,タンジェント空間の直交分解による難易度解決のための新しい枠組みを提案する。 情報キャプチャ比を定義することにより,高次元データの内在次元を推定する厳密な手法を提案する。
  論文  参考訳（メタデータ） (2025-12-25T00:18:41Z)
• Manifold Percolation: from generative model to Reinforce learning [0.26905021039717986]
  生成的モデリングは通常、学習マッピング規則としてフレーム化されるが、これらの規則にアクセスできない観察者の視点からすると、そのタスクは確率分布から幾何学的支援を引き離すことになる。 本研究は, サンプリングプロセスが, 高次元密度推定を支持面上の幾何カウント問題に効果的に投射するので, 連続体パーコレーションは, この支援解析に一意に適していることを示す。
  論文  参考訳（メタデータ） (2025-11-25T17:12:42Z)
• Intrinsic Bayesian Cramér-Rao Bound with an Application to Covariance Matrix Estimation [49.67011673289242]
  本稿では, 推定パラメータが滑らかな多様体内にある推定問題に対して, 新たな性能境界を提案する。 これはパラメータ多様体の幾何学と推定誤差測度の本質的な概念を誘導する。
  論文  参考訳（メタデータ） (2023-11-08T15:17:13Z)
• Last-Iterate Convergence of Adaptive Riemannian Gradient Descent for Equilibrium Computation [52.73824786627612]
  本稿では,テクスト幾何学的強単調ゲームに対する新たな収束結果を確立する。 我々のキーとなる結果は、RGDがテクスト幾何学的手法で最終定位線形収束を実現することを示しています。 全体として、ユークリッド設定を超えるゲームに対して、幾何学的に非依存な最終点収束解析を初めて提示する。
  論文  参考訳（メタデータ） (2023-06-29T01:20:44Z)
• A Unifying and Canonical Description of Measure-Preserving Diffusions [60.59592461429012]
  ユークリッド空間における測度保存拡散の完全なレシピは、最近、いくつかのMCMCアルゴリズムを単一のフレームワークに統合した。 我々は、この構成を任意の多様体に改善し一般化する幾何学理論を開発する。
  論文  参考訳（メタデータ） (2021-05-06T17:36:55Z)
• Log-Likelihood Ratio Minimizing Flows: Towards Robust and Quantifiable Neural Distribution Alignment [52.02794488304448]
  そこで本研究では,対数様比統計量と正規化フローに基づく新しい分布アライメント手法を提案する。 入力領域の局所構造を保存する領域アライメントにおいて,結果の最小化を実験的に検証する。
  論文  参考訳（メタデータ） (2020-03-26T22:10:04Z)

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。