論文の概要: Structured Noise Adaptation for Sequential Bayesian Filtering with Embedded Latent Transfer Operators

• arxiv url: http://arxiv.org/abs/2606.14195v1
• Date: Fri, 12 Jun 2026 07:28:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-15 16:00:42.797055
• Title: Structured Noise Adaptation for Sequential Bayesian Filtering with Embedded Latent Transfer Operators
• Title（参考訳）: 埋め込みラテントトランスファー演算子を用いた逐次ベイズフィルタの構造的雑音適応
• Authors: Naichang Ke, Pongpisit Thanasutives, Yoshinobu Kawahara,
• Abstract要約: 本稿では,フィルタの雑音モデルに対する新しいパラメータ化によるELTOに基づくベイズフィルタ手法を提案する。 提案手法により, 雑音, 時間変化環境におけるフィルタの動的状態推定性能が向上することが示唆された。
• 参考スコア（独自算出の注目度）: 4.876446735726356
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Kalman filters based on the Embedded Latent Transfer Operators (ELTO) emerge as novel statistical tools for sequential state estimation. However, a critical limitation stems from their use of simplified noise models, which fail to dynamically adapt to non-stationary processes. To address this limitation, we introduce an ELTO-based Bayesian filtering approach with a new structured parameterization for the filter's noise model. This parameterization enables structured noise adaptation, which couples the data-driven learning of an optimal time-invariant noise model with dynamic parameter adaptation that responds to changes in dynamics within non-stationary processes. Empirical results show that our structured noise adaptation improves the filter's dynamic state estimation performance in noisy, time-varying environments.
• Abstract（参考訳）: Kalman filters based on the Embedded Latent Transfer Operators (ELTO) emerge as novel statistics tools for sequence state estimation。 しかし、臨界制限は、非定常過程に動的に適応できない単純化されたノイズモデルの使用に起因している。 この制限に対処するため, ELTOに基づくベイズフィルタ手法を導入し, フィルタの雑音モデルに対する新しいパラメータ化手法を提案する。 このパラメータ化により、最適時間不変ノイズモデルのデータ駆動学習と、非定常過程における動的変化に対応する動的パラメータ適応を結合した構造化ノイズ適応が可能となる。 実験結果から, フィルタの動的状態推定性能は, 騒音, 時間変化によって向上することがわかった。

関連論文リスト

• Conditional Normalizing Flows for Forward and Backward Joint State and Parameter Estimation [0.0]
  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。
  論文  参考訳（メタデータ） (2026-01-11T18:01:42Z)
• Addressing prior dependence in hierarchical Bayesian modeling for PTA data analysis II: Noise and SGWB inference through parameter decorrelation [0.0]
  PTA解析は、各パルサーに固定された均一ノイズを割り当てる。 ノイズ先行を高次ハイパーパラメータでパラメータ化する階層的ベイズモデリング戦略を採用する。 階層的処理によりノイズパラメータがより厳密に制約され,レッドノイズSGWB縮退が部分的に緩和されることが示唆された。
  論文  参考訳（メタデータ） (2025-11-03T17:54:55Z)
• Mitigating the Noise Shift for Denoising Generative Models via Noise Awareness Guidance [54.88271057438763]
  ノイズアウェアネスガイダンス (NAG) は、事前に定義された騒音スケジュールと整合性を保つために、サンプリング軌道を明示的に制御する補正手法である。 NAGは一貫してノイズシフトを緩和し、主流拡散モデルの生成品質を大幅に改善する。
  論文  参考訳（メタデータ） (2025-10-14T13:31:34Z)
• Composite Reward Design in PPO-Driven Adaptive Filtering [0.0]
  本稿では、SNRの改善、MSEの低減、残留滑らかさのバランスをとる複合報酬によって導かれるPPOを用いた適応フィルタリングフレームワークを提案する。 各種ノイズ型合成信号の実験により,PPOエージェントはトレーニング分布を超越し,実時間性能を実現し,従来のフィルタよりも優れることがわかった。
  論文  参考訳（メタデータ） (2025-05-29T23:11:48Z)
• Beyond Fixed Horizons: A Theoretical Framework for Adaptive Denoising Diffusions [1.9116784879310031]
  本稿では, ノイズ発生過程とノイズ発生過程の両方において, 時間均質な構造を実現する新しい生成拡散モデルを提案する。 モデルの主な特徴は、ターゲットデータへの適応性であり、事前訓練された無条件生成モデルを使用して、様々な下流タスクを可能にする。
  論文  参考訳（メタデータ） (2025-01-31T18:23:27Z)
• 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)
• Latent Class-Conditional Noise Model [54.56899309997246]
  本稿では,ベイズ的枠組みの下での雑音遷移をパラメータ化するためのLatent Class-Conditional Noise Model (LCCN)を提案する。 次に、Gibs sampler を用いて遅延真のラベルを効率的に推測できる LCCN の動的ラベル回帰法を導出する。 提案手法は,サンプルのミニバッチから事前の任意チューニングを回避するため,ノイズ遷移の安定な更新を保護している。
  論文  参考訳（メタデータ） (2023-02-19T15:24:37Z)
• Adaptive Low-Pass Filtering using Sliding Window Gaussian Processes [71.23286211775084]
  ガウス過程回帰に基づく適応型低域通過フィルタを提案する。 本研究では,提案手法の誤差が一様境界であることを示す。
  論文  参考訳（メタデータ） (2021-11-05T17:06:59Z)
• Self-Tuning Stochastic Optimization with Curvature-Aware Gradient Filtering [53.523517926927894]
  サンプルごとのHessian-vector積と勾配を用いて、自己チューニングの二次構造を構築する。 モデルに基づく手続きが雑音勾配設定に収束することを証明する。 これは自己チューニング二次体を構築するための興味深いステップである。
  論文  参考訳（メタデータ） (2020-11-09T22:07:30Z)

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。