論文の概要: Stochastic Expectation Maximization for Robust State-Space Radio Interferometric Imaging

• arxiv url: http://arxiv.org/abs/2606.23944v1
• Date: Mon, 22 Jun 2026 21:05:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-24 22:16:48.691331
• Title: Stochastic Expectation Maximization for Robust State-Space Radio Interferometric Imaging
• Title（参考訳）: ロバスト状態空間電波干渉画像における確率的期待値の最大化
• Authors: Nawel Arab, Mohammed Nabil El Korso, Isabelle Vin, Pascal Larzabal,
• Abstract要約: 複素ガウス雑音を受ける線形状態空間モデルに対するロバストな推定法を提案する。 提案手法は、電波干渉(RFI)による再構成の忠実度と推測を著しく改善することを示す。 これらの結果は、干渉優先撮像におけるヘビーテール状態-空間モデリングとSAEMに基づく推論の利点を浮き彫りにした。
• 参考スコア（独自算出の注目度）: 5.025813884984533
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: State--space models provide a flexible framework for analyzing dynamical systems, yet they often rely on Gaussian assumptions that fail to capture heavy-tailed or outlier-prone measurement noise. We propose a robust estimation scheme for linear state--space models subject to compound-Gaussian noise, as encountered for instance in radio interferometry affected by radio-frequency interference (RFI). The method relies on a Stochastic Approximation Expectation--Maximization (SAEM) algorithm in which the standard E-step is replaced by Monte Carlo sampling of the latent states and noise texture through closed-form Gibbs updates, enabling tractable inference despite the heavy-tailed likelihood. Numerical experiments show that the proposed method significantly improves reconstruction fidelity and robustness to RFI, outperforming a Gaussian EM algorithm and even an oracle RTS smoother. These results highlight the benefits of heavy-tailed state--space modeling and SAEM-based inference in interference-dominated imaging scenarios.
• Abstract（参考訳）: 状態空間モデルは動的システムを分析するフレキシブルなフレームワークを提供するが、しばしば重み付けされた、または外れやすい測定ノイズを捉えないガウス的な仮定に依存している。 本稿では, 複素ガウス雑音を受ける線形状態空間モデルに対するロバストな推定法を提案する。 この手法は確率近似-最大化 (SAEM) アルゴリズムに依存しており、標準のEステップをモンテカルロサンプリングで置き換えることで、閉形式ギブス更新による遅延状態とノイズテクスチャをサンプリングし、重み付き可能性にもかかわらずトラクタ可能な推論を可能にする。 数値実験により,提案手法はRFIの再構成精度とロバスト性を大幅に向上し,ガウスEMアルゴリズムやオラクルRTSのスムーズ性にも優れることがわかった。 これらの結果は、干渉優先撮像におけるヘビーテール状態-空間モデリングとSAEMに基づく推論の利点を浮き彫りにした。

関連論文リスト

• A joint optimization approach to identifying sparse dynamics using least squares kernel collocation [70.13783231186183]
  本研究では,通常の微分方程式(ODE)の学習システムを,状態の不足,部分的,ノイズの多い観測から学習するためのオール・アット・オンス・モデリング・フレームワークを開発する。 提案手法は,関数ライブラリ上でのODEのスパースリカバリ戦略とカーネルヒルベルト空間(RKHS)理論による状態推定とODEの離散化の手法を組み合わせたものである。
  論文  参考訳（メタデータ） (2025-11-23T18:04:15Z)
• Self-induced stochastic resonance: A physics-informed machine learning approach [0.0]
  自己誘発共鳴(英: Self-induced resonance, SISR)は、ノイズのみによって駆動される励起系におけるコヒーレント振動の出現である。 本研究は、フィッツヒューニューロンにおけるSISRのモデリングと予測のための物理インフォームド機械学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-10-26T21:49:20Z)
• Robust, Online, and Adaptive Decentralized Gaussian Processes [40.250871864353314]
  分散ランダムフーリエ機能ガウシアンプロセス(DRFGP)は、GPを情報フィルタ形式でキャストするオンライン分散アルゴリズムである。 DRFGPを2つの重要な方向に沿って拡張する。第1に、非定型的な観察の影響を下げるロバストフィルタの更新を導入し、第2に、時間変化関数に適応する動的適応機構を組み込むことにより、DRFGPを拡張する。 我々は,大規模な地球システムアプリケーションにおいて,その有効性を実証し,その可能性について検討した。
  論文  参考訳（メタデータ） (2025-09-22T16:49:49Z)
• Diffusion-Based Limited-Angle CT Reconstruction under Noisy Conditions [10.287171164361608]
  角投影の欠如は、再構成された画像の不完全なシノグラムやアーティファクトに繋がる。 本稿では, 平均回帰微分方程式(MR-SDE)を用いて, 角ビューの欠落を解消する拡散型フレームワークを提案する。 現実的な雑音下でのロバスト性を改善するために,推論時間不確実性を明示的にモデル化する新しいノイズ認識機構を提案する。
  論文  参考訳（メタデータ） (2025-07-08T03:58:52Z)
• Triply Laplacian Scale Mixture Modeling for Seismic Data Noise Suppression [51.87076090814921]
  ポーラシティに基づくテンソルリカバリ法は, 地震データノイズを抑制する大きな可能性を示している。 本研究では, 3次元ラプラシアンスケール混合(TLSM)による地震波の抑制手法を提案する。
  論文  参考訳（メタデータ） (2025-02-20T08:28:01Z)
• Bayesian inference of general noise-model parameters from the syndrome statistics of surface codes [0.0]
  シンドローム計測統計に基づくノイズモデル推定は,パウリ雑音に対して十分に確立されている。 本研究では,曲面符号のテンソルネットワークシミュレータを統合した一般雑音モデルに対するベイズ推定手法を提案する。 提案手法を静的, 時間変化, 非一様ケースなど, 様々なノイズモデルに適用する数値的な結果を示す。
  論文  参考訳（メタデータ） (2024-06-13T10:26:04Z)
• 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)
• Noisy Recurrent Neural Networks [45.94390701863504]
  入力データによって駆動される微分方程式の離散化として,隠れ状態に雑音を注入することによって訓練されたリカレントニューラルネットワーク(RNN)について検討する。 合理的な仮定の下では、この暗黙の正則化はより平坦なミニマムを促進し、より安定な力学を持つモデルに偏りを呈し、分類タスクではより大きな分類マージンを持つモデルを好む。 本理論は, 各種入力摂動に対するロバスト性の向上と, 最先端性能の維持を両立させる実証実験により支持された。
  論文  参考訳（メタデータ） (2021-02-09T15:20:50Z)
• 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)

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。