Aug, 2016

二阶精确集合变换粒子滤波器

PDF
TL;DR本篇论文提出了对于粒子滤波器中常常出现的集合退化现象，使用了基于 Sinkhorn 算子的二阶精度分析方法，使得 ensemble transform particle filter 可以在小到中等大小的组集情况下得到更高的精度，同时也提出了非线性 ensemble transform filter。
particle filtersensemble transform particle filterbayesian inferenceensemble kalman filtersnonlinear ensemble transform filter
发现论文，激发创造
  • 一种用于贝叶斯推断的非参数集成变换方法

    本文通过解决离散随机变量的最优运输问题，提出了一种新的转换方法，不依赖于先验和后验分布的任何先验假设，从而改进了蒙特卡洛方法中贝叶斯推断的实现方式。

    Oct, 2012

  • 高维非线性动力系统跟踪的集成得分过滤器

    我们提出了一种用于解决高维非线性滤波问题的集成评分滤波器（EnSF），具有出色的准确性。EnSF 通过利用在伪时间域中定义的基于评分的扩散模型来表示滤波密度的演化，攻克了现有滤波方法（如粒子滤波器或集成卡尔曼滤波器）在处理高维度和高度非线性问题时低准确性的主要缺点。与训练神经网络来近似评分函数的现有扩散模型不同，我们开发了一种无需训练的评分估计方法，使用基于小批量的蒙特卡洛估计器直接近似评分函数，既可以在解决高维非线性问题时提供足够的准确性，又可以节省大量用于训练神经网络的时间。EnSF 的另一个重要方面是其分析更新步骤，逐渐将数据信息融入评分函数，这在处理非常高维度非线性滤波问题时缓解退化问题是至关重要的。我们使用高维洛伦兹系统来演示我们方法的性能。EnSF 在可靠地跟踪高度非线性观测过程的极高维洛伦兹系统（高达 1,000,000 维）中表现出了令人惊讶的性能，这是现有滤波方法面临的一个众所周知的具有挑战性的问题。

    Sep, 2023

  • 非线性集合滤波的耦合技术

    针对高维度的非高斯状态空间模型、非线性且可能是混沌动力学以及空间与时间稀疏的观测，我们提出了一种新的过滤方法，使用交通测度、凸优化和概率图模型的思想来产生高维度下的坚韧的集成近似过滤分布。我们的方法可被理解为集成卡尔曼滤波器（EnKF）的自然推广，使用随机或确定性耦合来进行非线性更新。使用非线性更新可以降低 EnKF 的固有偏差，只带来少量的计算成本。我们避免了任何形式的重要性采样，并引入了维度可扩展性的非高斯本地化方法。我们的框架在混沌区域的 Lorenz-96 模型的挑战配置下实现了最先进的跟踪性能。

    Jun, 2019

  • 精确的非线性状态估计

    该研究提出了一种新的非线性估计理论，基于生成式人工智能，用于改进地球系统模型中的数据同化方法，通过引入 Conjugate Transform Filter（CTF）和其集合近似理论（ECTF），以适应任意非高斯分布并保留先验状态的统计关系，从而提高算法的准确性。

    Oct, 2023

  • 基于最优传输的高维非线性滤波

    基于最优输运解释的非线性滤波方法通过模拟和无似然算法估计从当前状态分布到下一个时间步的 Brenier 最优输运映射，利用神经网络建模复杂和多模态分布以及采用随机优化算法提高可伸缩性，通过广泛的数值实验与 SIR 粒子滤波器和集合卡尔曼滤波器进行比较，展示了我们方法在样本效率、高维可伸缩性和捕捉复杂和多模态分布等方面的优越性。

    Oct, 2023

  • 实时数据同化带有不确定性量化的深度潜空间粒子滤波器

    使用神经网络的替代模型，Deep Latent Space Particle filter (D-LSPF) 可以在低维潜在空间中进行数据融合和实时的不确定性估计，运行速度比高保真粒子滤波器快一个数量级，并且比其他方法快 3-5 倍，精度可达一个数量级，从而实现实时的物理系统数据同化和不确定性量化。

    Jun, 2024

  • 基于卡尔曼滤波器和平滑器的非线性动态系统参数估计

    研究用于非线性状态空间模型的近似极大似然参数估计，讨论了直接最大化似然和 EM 算法，使用 sigma 点来近似所需积分的高斯滤波和平滑算法，比较了不同阶的 unscented 变换以及高斯 - 埃尔米特积分规则得出的方法在两个模拟实验中的表现

    Apr, 2015

  • 改进 ReLU 网络中的预测不确定性的仿射不变集合变换方法

    利用合适的集合卡尔曼滤波器的扩展来执行逻辑回归的贝叶斯推断，提出了两个相互作用的粒子系统，对这些相互作用的粒子系统收敛速率进行了定量证明，将这些技术应用于基于 ReLU 网络的贝叶斯近似方法以评估预测不确定性的效果。

    Sep, 2023

  • 实用 N2 Monte Carlo 方法：边缘粒子滤波器

    提出了一种称为边际粒子滤波器的顺序蒙特卡罗算法，可以直接操作边际分布从而避免在目标分布维度不断增加时进行重要性抽样。同时，通过该算法提出了改进版的辅助粒子滤波器并给出了理论和实证结果，证明了该方法相较于传统粒子滤波可降低方差，并给出了把算法复杂度降至 O (N logN) 的技巧。

    Jul, 2012

  • 基于熵正则化最优输运的可微粒子滤波

    通过运用 optimal transport 理论，文章提出一种基于不可微的重采样方法的粒子滤波器，解决了传统的 resampling 方法无法拟合模型和 PF 参数的问题，并通过多种应用验证了该方法的有效性。

    Feb, 2021