論文の概要: Learning Discriminators for Resampling in the Ensemble Gaussian Mixture Filter through a Normalizing Flow Approach

• arxiv url: http://arxiv.org/abs/2605.01089v1
• Date: Fri, 01 May 2026 20:47:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-05 20:33:49.575479
• Title: Learning Discriminators for Resampling in the Ensemble Gaussian Mixture Filter through a Normalizing Flow Approach
• Title（参考訳）: 正規化フローアプローチによるアンサンブルガウス混合フィルタにおける再サンプリングのための学習判別器
• Authors: Zain Jabbar, Andrey A. Popov,
• Abstract要約: この研究は、識別器インフォームド・リサンプリングの手順を導入し、後方再サンプリングのステップを、その物理的妥当性に基づいて候補粒子を受理または拒否する識別器で強化する。 池田写像とローレンツ'63系の数値実験により,低アンサンブル系における標準的な EnGMF と比較して,識別器が常に誤差を減少させることが示された。
• 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: The ensemble Gaussian mixture filter (EnGMF) is a powerful, convergent particle filter capable of medium-to-high dimensional non-linear filtering. The EnGMF relies on a resampling step that can generate physically unrealistic posterior samples, that would subsequently produce physically meaningless forecasts. This work introduces the discriminator-informed resampling procedure, that augments the posterior resampling step with a discriminator that accepts or rejects candidate particles based on their physical plausibility. In this work these discriminators are learned through a normalizing flow approach. Numerical experiments on both the Ikeda map and the Lorenz '63 system show that discriminator informed resampling procedure consistently reduces error relative to the standard EnGMF in low-ensemble regimes.
• Abstract（参考訳）: アンサンブル・ガウス混合フィルタ(EnGMF)は、中から高次元の非線形フィルタが可能な強力な収束粒子フィルタである。 EnGMFは、物理的に非現実的な後部サンプルを生成することができる再サンプリングステップに依存しており、その後、物理的に無意味な予測を生成する。 この研究は、識別器インフォームド・リサンプリングの手順を導入し、後方再サンプリングのステップを、その物理的妥当性に基づいて候補粒子を受理または拒否する識別器で強化する。 この研究では、これらの判別器は正規化フローアプローチによって学習される。 池田写像とローレンツ'63系の数値実験により,低アンサンブル系における標準的な EnGMF と比較して,識別器が常に誤差を減少させることが示された。

関連論文リスト

• Filtered Markovian Projection: Dimensionality Reduction in Filtering for Stochastic Reaction Networks [0.9599644507730105]
  反応ネットワーク(SRN)によってモデル化された実用的な問題における典型的な課題は、少数の状態変数しか動的に観察できないことである。 本稿では,前向き問題に対して最初に導入されたマルコフ射影(MP)に基づく次元削減手法を提案する。 提案手法では, 投射モデルの跳躍強度を推定し, 低次元空間におけるフィルタリング方程式を解くために, 分散分散粒子フィルタを用いる。
  論文  参考訳（メタデータ） (2025-02-11T19:45:40Z)
• Deep MMD Gradient Flow without adversarial training [69.76417786943217]
  本稿では,初期音源分布からターゲット分布への粒子輸送による生成モデルのための勾配流法を提案する。 最大平均離散度(MMD)の雑音適応型ワッサースタイン勾配は、ノイズのレベルの増加によって劣化するデータ分布について訓練する。 我々は,MDDがKL分岐の下位境界に置き換わる場合のアプローチの有効性を示す。
  論文  参考訳（メタデータ） (2024-05-10T19:10:45Z)
• Normalizing Flow-based Differentiable Particle Filters [16.164656853940464]
  本研究では, 動的モデル, 提案分布, 測定モデルを構築するために, 条件正規化フローを用いた微分可能な粒子フィルタリングフレームワークを提案する。 提案するフィルタの理論的特性を導出し, 一連の数値実験により, フローベース微分可能な粒子フィルタの性能の正規化を評価する。
  論文  参考訳（メタデータ） (2024-03-03T12:23:17Z)
• 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)
• 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)
• 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)
• Deep Learning for the Benes Filter [91.3755431537592]
  本研究では,メッシュのないニューラルネットワークによるベンズモデルの解の密度の表現に基づく新しい数値計算法を提案する。 ニューラルネットワークの領域選択におけるフィルタリングモデル方程式における非線形性の役割について論じる。
  論文  参考訳（メタデータ） (2022-03-09T14:08:38Z)
• Innovative And Additive Outlier Robust Kalman Filtering With A Robust Particle Filter [68.8204255655161]
  提案するCE-BASSは, 粒子混合カルマンフィルタであり, 革新的および付加的両方の外れ値に対して堅牢であり, 隠蔽状態の分布における多モード性を完全に捉えることができる。 さらに、CE-BASSは過去の状態を再サンプリングすることで、トレンドの変化のような観測ですぐには見えない革新的な外れ値を扱うことができる。
  論文  参考訳（メタデータ） (2020-07-07T07:11:09Z)

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。