כתבה
arXiv cs.LG ·
AECSF: Adaptive Ensemble Conditional Score Filtering לנתונים לא-רגילים בעלי נימודוליות גבוהה
AECSF: Adaptive Ensemble Conditional Score Filtering for High-Dimensional Nonlinear Data Assimilation
אנו מציגים טכניקה חדשה לעיבוד נתונים לא-רגילים בעלי נימודוליות גבוהה, המשלבת חיפוש רקורסיבי ופילטרים סקור-בייסי. הטכניקה, AECSF, משפרת את דיוק העיבוד ומקלה על תהליך העיבוד.
תקציר מקורי באנגליתarXiv:2609.32411v2 Announce Type: replace-cross Abstract: Bayesian state estimation for high-dimensional nonlinear dynamical systems entails a fundamental tension between statistical fidelity and computational tractability, as particle weights can collapse, while Gaussian ensemble updates can miss non-Gaussian posterior structure. Score-based diffusion filters offer a sampling-based alternative, but existing training-free score filters often rely on heuristic likelihood corrections, which can compromise posterior accuracy by neglecting uncertainty about the system state associated with each noisy reverse particle. To address these issues, we propose AECSF, a training-free adaptive ensemble conditional score filter. AECSF constructs an analytically tractable score estimator from the conditi
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית