Nov, 2015

深度卡尔曼滤波器

PDF
TL;DR该论文提出了一种使用时间生成模型进行反事实推断的方法，利用统一算法高效地学习广谱卡尔曼滤波器，其中还引入了 “Healing MNIST” 数据集用于建模，并基于 8000 名患者超过 4.5 年的电子病历数据显示了其对反事实推断的有效性。
发现论文，激发创造
  • 深度卡尔曼滤波器能够进行滤波

    连续时间的深度卡尔曼滤波器 (DKF) 可以近似实现一类非马尔可夫和条件高斯信号过程的条件概率分布，适用于数学金融中的债券和期权价格模型校准等传统基于模型的过滤问题。

    Oct, 2023

  • 高维深度特征空间中因式分解推断的递推卡尔曼网络

    本文提出了一种名为 RKN 的循环卡尔曼网络，它可以在不使用其他近似方法（如变分推断）的情况下，使用反向传播直接学习高维因式分解潜在状态表示，从而具有能够精确估计不确定性的能力，并在图像插值任务中优于多种生成模型。

    May, 2019

  • 超越卡尔曼滤波：基于深度学习的滤波器改进的物体追踪

    我们提出了两种创新的数据驱动滤波方法，通过结合可训练的运动模型进行对象位置预测，并将观察结果与对象检测器的预测相结合，以提高边界框预测准确性。我们的方法在多个数据集上进行了广泛评估，证明在对象跟踪方面，尤其是非线性运动模式的情况下，我们的滤波器优于传统的 Kalman 滤波器。

    Feb, 2024

  • 长短期记忆卡尔曼滤波器：姿态正则化的循环神经估计器

    本研究提出了一种基于长短时记忆学习（long short term memory）的方法来丰富动态运动和噪声模型的表征，以应用于计算机视觉中的三个最受欢迎的姿态估计任务，并在所有情况下获得最先进的性能表现。

    Aug, 2017

  • 使用变分推断学习最优滤波器

    利用变分推断学习参数化分析映射，通过估计条件分布对于动态系统的滤波分布，在过滤线性和非线性动态系统中也适用。

    Jun, 2024

  • 神经卡尔曼滤波

    本文介绍了一种基于梯度下降逼近的 Kalman 滤波方法，其仅需要进行加权预测误差的局部计算，同时还提出了一种适应性学习规则。作者在一个简单的 Kalman 滤波任务中展示了该方法的性能，并提出了一种神经实现方法。

    Feb, 2021

  • [Re] 带有非线性和非高斯观测模型的贝叶斯滤波的判别式卡尔曼滤波器

    Kalman filters are widely used for estimating hidden variables and their application in neural decoding is explored in this paper, presenting a new version that leverages Bayes' theorem for improved filter performance. The paper provides an open-source Python alternative to the authors' MATLAB algorithm, and the efficacy of the new filter is examined in neuroscientific contexts using multiple random seeds and previously unused trials from the authors' dataset.

    Jan, 2024

  • Transformer 能否表示卡尔曼滤波器？

    使用 Transformer 实现卡尔曼滤波，该方法可以近似卡尔曼滤波器并且可以用于测量反馈控制，实现与标准最优控制策略相近的性能。

    Dec, 2023

  • 反向传播 Kalman 滤波器：学习判别式确定性状态估计器

    本文提出了一种基于确定性计算图的梯度下降算法，用于训练判别式状态估计器，该模型可以有效处理复杂的输入，如原始摄像头图像，并用于视觉里程计任务和合成跟踪任务中进行评估。

    May, 2016

  • 一种用于时间演进双部分过程的协作卡尔曼滤波器

    利用卡尔曼滤波器建立一种动态模型，以矩阵分解方法进行协同过滤和相关因式分解建模，通过建模每个低维潜在嵌入为多维布朗运动来解决时间演化问题，并采用几何布朗运动处理隐含参数漂移问题，同时还应用平均场变分近似对后验概率分布的复杂性提出了解决方法。该模型在多个大型数据集上进行了评估。

    Jan, 2015