Jan, 2013

基于 Rao-Blackwell 的粒子滤波器用于动态贝叶斯网络

PDF
TL;DR本文介绍了如何利用 Rao-Blackwellisation 技术来提高动态贝叶斯网络的粒子滤波算法的效率，并用两个问题来展示利用 Rao-Blackwellised 粒子滤波进行非平稳在线回归和机器人定位和地图构建的准确性。
particle filtersdynamic bayesian networksrao-blackwellisationnon-stationary regressionrobot localization
发现论文，激发创造
  • 可微粒子滤波器概述：数据自适应序贝叶斯推断

    本文综述了近年来不同的可微粒子滤波器及其应用，重点介绍了其中的关键组件设计，包括动态模型、测量模型、提议分布、优化目标和可微重采样技术。

    Feb, 2023

  • 粒子滤波循环神经网络

    本研究介绍了一种新的递归神经网络的方法，即基于粒子滤波的递归神经网络，它将不确定性建模为一组粒子，并提出了一种全可微分的粒子滤波算法来更新其内部状态分布，实验证明该方法在真实世界序列预测方面优于标准门控递归神经网络。

    May, 2019

  • 利用最优放置重采样的可微粒子滤波

    提出了一种可微分的重采样方案，通过从经验累积分布函数进行确定性采样，用于粒子滤波器的参数推断和提议学习任务。

    Feb, 2024

  • 利用因果关系在动态贝叶斯网络中进行选择性信念过滤（扩展摘要）

    该研究探索了利用因果关系加速贝叶斯网络中的信念过滤任务的想法，并提出了一种基于被动性的选择性信念过滤方法（PSBF），该方法在维护因果关系的情况下，在虚拟进程和模拟多机器人仓库中均优于传统滤波方法。

    Jul, 2019

  • 可微粒子滤波器的策略学习

    本文介绍了一种基于神经网络的可微分粒子滤波器 (RLPF) 来解决在系统可能在有限集合的状态空间模型之间切换的情况下同时学习各个模型及切换过程的问题，并提出了相应的训练方法。通过数值实验，我们证明了与先前最先进的算法相比，RLPF 取得了有竞争力的性能。

    May, 2024

  • 耦合条件反向采样粒子滤波器

    本研究证明，随着固定数量粒子和一般（强混合）条件，耦合条件后向采样粒子滤波器（CCBPF）在迭代上升仅呈线性增长，因此是一种实用的方法，可用于平滑后验期望的无偏估计，使得构建渐近准确置信区间和直接并行化成为可能。

    Jun, 2018

  • 概率程序的延迟抽样和自动 Rao-Blackwell 化

    介绍了一种使用共轭先验和仿射变换降低蒙特卡罗估计方差的动态机制，该机制适用于解决概率程序中可分析子结构的问题，并加以应用于顺序蒙特卡罗推断和 Anglican 等编程语言。

    Aug, 2017

  • 基于可微粒子滤波器的正规化流

    该研究使用 (条件) 归一化流构建动态模型、提议分布和测量模型，提出了一种不同 iable 粒子滤波框架，并通过一系列数值实验评估了该方法的性能。

    Mar, 2024

  • PoseRBPF: 一种用于 6D 物体姿态跟踪的 Rao-Blackwellized 粒子滤波器

    该文提出了一种基于 Rao-Blackwellized 粒子滤波方法的 6D 目标姿态跟踪算法 PoseRBPF，该算法通过旋转和平移的分解实现了对对象 3D Translation 的有效估计，并且在对旋转空间精细离散方式下进行了特征嵌入的自编码神经网络的训练以获得特征嵌入代码本，以实现对任意对称对象的跟踪并仍保持足够的后验分布。该方法在两个 6D 姿态估计基准测试上实现了最先进的结果。

    May, 2019

  • 应用于视觉定位的粒子滤波网络

    本文介绍了一种新的方法 PF-Net，将粒子滤波算法和神经网络相结合，为具有复杂动态或丰富感知输入的系统构建概率系统模型。实验结果表明，PF-Net 在机器人视觉定位任务中具有更好的表现和普适性。

    May, 2018