論文の概要: Stability Enhanced Gaussian Process Variational Autoencoders

• arxiv url: http://arxiv.org/abs/2604.09331v1
• Date: Fri, 10 Apr 2026 14:00:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-13 17:57:53.89352
• Title: Stability Enhanced Gaussian Process Variational Autoencoders
• Title（参考訳）: ガウス過程変動オートエンコーダの安定性向上
• Authors: Carl R. Richardson, Jichen Zhang, Ethan King, Ján Drgoňa,
• Abstract要約: 低次元線形時間不変量(LTI)システムを間接的に訓練するために,新しい安定性向上型ガウス過程変分オートエンコーダ(SEGP-VAE)を提案する。 LTIパラメータの探索空間は、完全かつ制約のないパラメトリエーションによって、半収縮系の集合に制限される。 ケーススタディでは、SEGP-VAEをスパイラル粒子のビデオを含むデータセットに適用する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: A novel stability-enhanced Gaussian process variational autoencoder (SEGP-VAE) is proposed for indirectly training a low-dimensional linear time invariant (LTI) system, using high-dimensional video data. The mean and covariance function of the novel SEGP prior are derived from the definition of an LTI system, enabling the SEGP to capture the indirectly observed latent process using a combined probabilistic and interpretable physical model. The search space of LTI parameters is restricted to the set of semi-contracting systems via a complete and unconstrained parametrisation. As a result, the SEGP-VAE can be trained using unconstrained optimisation algorithms. Furthermore, this parametrisation prevents numerical issues caused by the presence of a non-Hurwitz state matrix. A case study applies SEGP-VAE to a dataset containing videos of spiralling particles. This highlights the benefits of the approach and the application-specific design choices that enabled accurate latent state predictions.
• Abstract（参考訳）: 高次元ビデオデータを用いて,低次元線形時間不変量(LTI)システムの間接的トレーニングのために,新しい安定性向上型ガウス過程変動オートエンコーダ(SEGP-VAE)を提案する。 新たなSEGP前の平均と共分散関数は、LTIシステムの定義から導かれるもので、SEGPは確率的および解釈可能な物理モデルを組み合わせて間接的に観察された潜在過程を捉えることができる。 LTIパラメータの探索空間は、完全かつ制約のないパラメトリエーションによって半収縮系の集合に制限される。 結果として、SEGP-VAEは制約のない最適化アルゴリズムを用いて訓練することができる。 さらに、このパラメータは、非Hurwitz状態行列の存在による数値的な問題を防ぐ。 ケーススタディでは、SEGP-VAEをスパイラル粒子のビデオを含むデータセットに適用する。 これは、アプローチの利点と、正確な潜伏状態予測を可能にするアプリケーション固有の設計選択を強調します。

関連論文リスト

• Slack More, Predict Better: Proximal Relaxation for Probabilistic Latent Variable Model-based Soft Sensors [12.346122868771118]
  確率潜在変数モデル(英: Probabilistic Latent Variable Models, NPLVMs)は、ソフトセンサーモデリングの基盤である。 NPLVMは、ニューラルネットワークが変分後部をパラメータ化するアモータイズされた変分推論を用いて訓練される。 KProxNPLVMは、目的自体を緩和し、NPLVMのパフォーマンスを改善するためにピボットする、新しいNPLVMである。
  論文  参考訳（メタデータ） (2026-03-12T02:53:39Z)
• 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)
• Adapting Projection-Based Reduced-Order Models using Projected Gaussian Process [5.492716202049269]
  パラメータ空間から最適部分空間を含むグラスマン多様体への写像を学習するための射影ガウス過程(pGP)を提案する。 統計的学習手法として、提案したpGPは、データからモデルパラメータを最適に推定(あるいは調整)し、予測に関連する統計的不確かさを定量化する。
  論文  参考訳（メタデータ） (2024-10-18T00:02:43Z)
• 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)
• On the Forward Invariance of Neural ODEs [92.07281135902922]
  本稿では,ニューラル常微分方程式(ODE)が出力仕様を満たすことを保証するための新しい手法を提案する。 提案手法では,出力仕様を学習システムのパラメータや入力の制約に変換するために,制御障壁関数のクラスを用いる。
  論文  参考訳（メタデータ） (2022-10-10T15:18:28Z)
• Gaussian Process-based Min-norm Stabilizing Controller for Control-Affine Systems with Uncertain Input Effects and Dynamics [90.81186513537777]
  本稿では,この問題の制御・アフィン特性を捉えた新しい化合物カーネルを提案する。 この結果の最適化問題は凸であることを示し、ガウス過程に基づく制御リャプノフ関数第二次コーンプログラム(GP-CLF-SOCP)と呼ぶ。
  論文  参考訳（メタデータ） (2020-11-14T01:27:32Z)
• Bayesian Sparse learning with preconditioned stochastic gradient MCMC and its applications [5.660384137948734]
  提案アルゴリズムは, 温和な条件下で, 制御可能なバイアスで正しい分布に収束する。 提案アルゴリズムは, 温和な条件下で, 制御可能なバイアスで正しい分布に収束可能であることを示す。
  論文  参考訳（メタデータ） (2020-06-29T20:57:20Z)

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。