- 卷积贝叶斯滤波
通过引入一个附加事件来规定不等条件，我们将条件概率转换成类似于卷积的特殊积分，实现了传统贝叶斯滤波的更普适框架，称之为卷积贝叶斯滤波。该框架包含了标准贝叶斯滤波作为一种特殊情况，当不等条件的距离度量选取为狄拉克函数时。通过选择不同类型的不等 - ICLR自适应优化的隐式最大后验滤波
用优化方法代替矩阵存储、求逆和乘法、蒙特卡罗估计等不适用于高维状态空间（如人工神经网络的权重空间）的传统方法，将标准的贝叶斯滤波问题转化为对具有时变目标的优化问题。我们发现，在线性 - 高斯模型下的卡尔曼滤波以及非线性模型的实验结果表明，我 - 利用社会心理因素的强制合并情境中自主车辆的交互感知决策
通过包含社会行为和驾驶员个人目标的行为模型，利用贝叶斯滤波和对于不明确意图的附近车辆行为的预测，开发了一种基于滑动时域控制的决策策略，以在线估计其他驾驶员的意图。通过与博弈论控制器和真实世界交通数据集的模拟研究进行比较，验证了所提出的决策策 - 普通微分方程的数据自适应概率似然近似
本文提出一种基于贝叶斯过滤的概率常微分方程求解方法，通过从带噪声 ODE 观测数据中学习，能够显著减少参数的敏感性，提高参数估计的准确性。
- 通过调整领域地图以适应深度预测不准确性，实现无人机鲁棒单目定位
提出了一种新颖的单目定位框架，通过联合训练基于深度预测的深度学习和基于贝叶斯滤波的姿态推理，能够显著改进模型可伸缩性和环境变化的容忍度，即使深度预测非常差，也能保持高精度的姿态准确性，并且相对于标准的深度学习具有更高的光照变化下的姿态准确性 - 继任者表示主动推理
本文介绍了新型的 active inference agent 架构，基于 successor representations，利用了贝叶斯滤波的先驱矩阵的概率解释。研究结果表明，相对于当前的 active inference agent， - 基于贝叶斯过滤技术的基于 RFID 的室内空间查询评估
本研究提出了基于贝叶斯滤波理论的室内数据定位算法和两种跟踪模型（室内步行图模型和锚定点索引模型），以评估采用 RFID 原始数据的室内空间查询，最终验证了方法的有效性和可行性。
- AAAI贝叶斯滤波多超图技术在装配任务中的活动识别
该论文研究了基于传感器的人类活动识别在手工工作过程（如装配任务）中的应用，提出了一种新的贝叶斯滤波模型，利用多超图和图重写规则来表示和更新系统状态，并通过真实数据集的验证表明了该方法的适用性。
- 利用稀疏语义高清地图实现自动驾驶汽车定位
本文提出了一种基于多个传感器的语义定位算法，利用车道，交通标志和车辆动态等信息，以贝叶斯滤波框架为基础，实现对稀疏语义地图的鲁棒定位，相较于传统基于几何学和 LiDAR 强度的定位器所需的储存空间降低了数个数量级，并且证明了其在 312 公 - 神经网络 RGB->D 感知：从视频摄像机中获得深度和不确定性
本文提出了一种基于深度学习和贝叶斯滤波的方法，从单目视频流中连续估计每个像素的深度和不确定度概率分布，通过积累时间降低深度不确定度，提高准确性和鲁棒性，该方法可将普通 RGB 相机转换成 RGB-D 相机，并实现更为精确、稳定、泛化性更好的 - 普通微分方程的概率解作为非线性贝叶斯滤波：新视角
本文提出了一种以高斯过程回归为基础的概率数值逼近方法来解决常微分方程，通过构建一个测量序列，观测高斯过程导数和向量场之间的差值，可以将问题转化为非线性贝叶斯滤波问题，从而推导出新颖的高斯支持 ODE 算法以及粒子滤波方法的非高斯近似。
- 贝叶斯过滤统一自适应和非自适应神经网络优化方法
通过贝叶斯滤波的方法，我们提出了一种新的神经网络优化器 AdaBayes，能够自适应地在 SGD 和 Adam 之间切换，并且能够恢复出 AdamW 的效果，同时具有和 SGD 相当的泛化性能。
- ICCV基于多层框架的自由移动相机在线背景减除
针对移动拍摄视频中背景难以识别的问题，本文提出了一种基于多层结构的在线背景减除算法框架，将多前景物体建模并赋予拥有独立处理层，同时采用贝叶斯滤波框架推断概率图，并用马尔科夫随机场上的多标签图割算法进行像素级分割，取得了优于现有技术的结果。
- 面向城市自主驾驶的动态占据栅格预测：一种基于深度学习的全自动标注方法
本文提出了一种利用贝叶斯滤波技术的环境表示和深度卷积神经网络作为长期预测器相结合的方法，针对复杂的市区情景进行预测，通过像素平衡处理以及自动生成标签等方法实现了无监督学习用于多种道路用户的长期预测。
- 使用变点检测的多类多目标跟踪
本文提出了一个稳健的多类别多对象跟踪（MCMOT）模型，采用贝叶斯滤波框架进行建模；通过结合检测响应和 CPD 算法，对无限对象类别进行多对象跟踪；使用 CPD 模型观察跟踪状态的时空特征，以观察漂移和遮挡等突变或异常变化；采用基于卷积神经 - 使用生成事件模型进行事件相机位姿追踪
采用贝叶斯滤波框架和概率生成事件模型，利用感知到的事件的对比度残差为估计事件相机和环境位置的度量，解决了在已知环境下，仅使用事件数据定位的问题。
- 高斯过程的鲁棒滤波和平滑
提出了一种基于高斯过程模型的非参数鲁棒贝叶斯滤波和平滑方法，用于非线性随机动态系统的系统识别和控制。在机器学习，机器人和控制领域，这种现代的 “系统识别” 方法比参数化函数表示更具鲁棒性。数值评估表明，所提出的方法在其他最先进的高斯滤波器和