Dec, 2023

基于变分优化的联合状态估计与噪声识别

PDF
TL;DR通过将系统状态和噪声参数的联合估计转化为优化问题，提出了一种基于共轭 - 计算变分推理（CVIAKF）的新型自适应卡尔曼滤波器方法，用于近似潜变量的联合后验概率密度函数。与现有的自适应卡尔曼滤波器方法不同的是，CVIAKF 在期望参数空间中进行优化，从而实现更快且更简单的解决方案。同时，CVIAKF 将优化目标分为非线性动力模型的共轭部分和非共轭部分，并分别应用共轭计算和随机镜像下降。值得注意的是，重参数化技巧用于降低非共轭部分的随机梯度方差。通过合成和真实世界的机动目标跟踪数据集验证了 CVIAKF 的有效性。
state estimationunknown process noisemeasurement noise covariancesadaptive kalman filterconjugate-computation variational inference
发现论文，激发创造
  • 具有未知过程噪声协方差的变分非线性卡尔曼滤波

    本文研究非线性状态空间模型中动态状态和动态噪声协方差的联合和递归估计问题，提出了一种基于近似贝叶斯推断原理的非线性状态估计和模型参数识别的递归解决方案。方法基于随机搜索变分推断，通过引入辅助潜变量和优化共轭和非共轭项实现了推断速度和准确度的平衡，通过仿真和实际数据的雷达跟踪应用验证了方法的性能。

    May, 2023

  • 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

  • 集合卡尔曼滤波辅助变分推断在高斯过程态空间模型中的应用

    通过集成卡尔曼滤波器（EnKF）近似推断隐藏状态的后验分布，我们提出了一种改进的变分推断方法，有效地训练高斯过程状态空间模型（GPSSM），并在学习和推断性能方面优于现有方法。

    Dec, 2023

  • 异常值不敏感卡尔曼滤波：理论与应用

    从有噪音观测数据中对动态系统进行状态估计是许多应用中的一个基本任务。本文介绍了一种无参数算法，通过简短的迭代过程对 Kalman 滤波器的标准更新步骤进行在线估计，从而减轻观测数据中异常值的有害影响。仿真和实地实验评估证明了我们的方法在滤波场景中对异常值的鲁棒性，相比其他算法表现出有竞争力的性能。

    Sep, 2023

  • 坐标上升变分推断的收敛性

    本文基于函数分析和优化工具，对变分推断 (VI) 方法中的坐标上升变分推断 (CAVI) 算法进行收敛性分析，提出基于广义相关性的算法收缩速率测度，并在多个实例中应用了该理论，得出了算法收缩速率的明确上界。

    Jun, 2023

  • 变分高斯过程状态空间模型

    该论文介绍了利用稀疏高斯过程进行非线性状态空间建模的高效变分贝叶斯学习的过程，以及后续的可处理的非线性动态系统建模、模型容量和计算成本的平衡、避免过度拟合以及使用混合推理方法（变分贝叶斯和顺序蒙特卡洛）进行主算法等。

    Jun, 2014

  • 共轭计算变分推断：将非共轭模型中的变分推断转化为共轭模型中的推断

    本文提出 CVI 算法，将共轭计算和随机梯度结合，应用于大量模型并证明其收敛性，与忽略模型共轭结构的方法相比，我们的算法收敛速度更快。

    Mar, 2017

  • 状态空间高斯过程模型中的快速变分学习

    该论文提出了一种使用 Kalman 递归实现线性时间推断的方法，避免了数值不稳定和收敛问题，通过实现该方法，解决了在处理非高斯似然时所遇到的麻烦，同时达到了快速稳定的变分推断效果，可处理包含百万数据点的时间序列的状态空间高斯过程模型。

    Jul, 2020

  • 变分贝叶斯滤波的切换线性动力学

    利用贝叶斯推断、变分自动编码器和具体松弛技术，学习从局部和高维观察中获取更全面和有意义的状态空间，从而提高在各种模拟任务中学习的动态准确性的能力。

    May, 2019

  • 动力系统中贝叶斯状态和参数估计的信息场论方法

    本论文基于信息场理论构建物理先验概率度量，以便于对连续时间确定性动态系统的状态和参数进行可伸缩的贝叶斯估计，以克服时离散化方法的缺陷，并使用随机变分推理算法近似无法计算的后验概率。

    Jun, 2023