★ 2
学习偏置：机器学习增强的粒子滤波
论文提出神经最优粒子滤波（NOPF），通过从离线模拟的单步条件元组中学习最优提议分布的分摊近似，并将其作为标准粒子滤波更新的即插即用替代。在标准支撑与密度评估假设下，该方法渐近目标同一滤波分布。在多种随机非线性基准上，NOPF 以适度计算开销提升了样本效率与分布精度。
arXiv cs.LG35 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文提出神经最优粒子滤波（NOPF），通过从离线模拟的单步条件元组中学习最优提议分布的分摊近似，并将其作为标准粒子滤波更新的即插即用替代。在标准支撑与密度评估假设下，该方法渐近目标同一滤波分布。在多种随机非线性基准上，NOPF 以适度计算开销提升了样本效率与分布精度。