本文提出了一种连续 - 离散滤波器的系统辨识方法，利用连续时间 Ito 随机微分方程的解作为潜在状态和协方差动力学的基础，通过引入一种新颖的两因子解析后验贝叶斯方法，并通过效率高的计算后验概率的算法，实现了对参数进行估计的 EM 过程，从而扩展了混合卡尔曼滤波器对不规则采样数据以及非线性系统辨识方法的应用范围。

Aug, 2023

本文研究了利用系统辨识方法设计 Kalman 滤波器的问题，给出了一种两步法：第一步是获取有限数据的状态空间参数和 Kalman 增益的粗略估计，第二步是利用这些估计参数设计产生系统状态估计的滤波器，研究发现当获取的参数精确度较高，或核心的 Kalman 滤波器具有足够的鲁棒性时，计算得到的等价 Kalman 滤波器具有可证明的次优保证，也证明对于较脆弱的滤波器，采取附加的鲁棒约束可提高次优保证性能，同时提出用样本复杂度度量此问题的最小观测数据数。

Dec, 2019

研究了采用确定性等价控制器处理具有未知传递动态的线性二次（LQ）控制问题的性能。通过使用摸不清全监控和部分监控下的确定性等价控制器处理真实系统和使用最优 LQ 控制器之间的成本，我们证明了在参数误差的平方速率下的亚最优差。我们提供了两个新的微扰界限，其中一个扩展了 Konstantinov 等人（1993）的现有结果，另一个基于新的初等证明策略。

Feb, 2019

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

本研究应用 Bayesian 概率框架和近似推理技术，对神经状态空间模型进行不确定性量化，得出模型输出的可信区间和惊奇指数，以有效诊断模型在潜在危险的分布区域内的使用可能性。

Apr, 2023

该研究提出了一个用于具有离散状态和动作空间的连续时间的部分可观察系统的决策框架。通过近似方法来处理大状态空间下的最优决策问题，其中高维过滤分布通过投影到参数化分布族进行了近似，结合完全可观察系统的控制启发式方法获得了可扩展的策略。在多个部分观测系统上，包括队列系统和化学反应网络，验证了该方法的有效性。

Feb, 2024

在已知部分观测的线性动态系统属于已知候选模型的有限集合的情况下，本文关注线性系统识别问题。我们首先考虑了给定轨迹的识别问题，利用线性最小二乘方法的最新非渐近分析进展来表征这个问题的有限时间样本复杂性，并设计了一个维度无关样本复杂性界的学习器。接下来，我们考虑了线性系统的切换控制问题，其中每个候选模型都有一个候选控制器，并通过系统与一组潜在的破坏性控制器的交互来收集数据，我们开发了一个维度相关的准则来在有限时间内检测这些破坏性控制器。我们利用这些结果提出了一个数据驱动的切换策略来识别潜在系统的未知参数，并对其性能进行了非渐近分析，并讨论了其对基于估计的监督控制方法的影响。

Apr, 2024

本研究提出一个基于量子算法的 EM 算法版本，用于解决高维 Gaussian 混合模型拟合问题，相较于传统算法有更快的收敛速度和更高的精度，并且能够推广到指数族分布，提供同样的计算保障。

Aug, 2019

本文研究了安全关键的物理系统所需的控制策略，通过建模系统中的不确定性和模型干扰，提出了一种近似控制和学习框架，并对其进行了数学分析和算法设计。

Mar, 2023

使用高斯过程作为灵活的模型并使用高斯过程回归直接从稠密数据集中计算估计，开发出一种非参数方法来估计随机微分方程组中的漂移和扩散函数，并开发了一种近似的期望最大化算法来处理稀疏观察之间的未观察到的潜在动态。

Feb, 2017