English(EN) Recursive Entropic Variational Inference for Nonlinear State-Space Models

新算法增强复杂模型的状态估计

作者 PulseAugur 编辑部 · [1 个来源] · 2026-07-07 04:00

研究人员开发了一类新的非线性非高斯状态空间模型的状态估计算法。该方法利用变分拉格朗日公式，将贝叶斯推断构建为一系列熵信任区域更新。由此产生的正向-反向算法系列提供了具有高效计算复杂度的递归方案，尤其是在采用高斯-马尔可夫近似时。 AI

影响为复杂非线性模型的状态估计引入了新颖的方法，有可能提高需要精确状态跟踪的应用的性能。

排序理由该集群包含一篇详细介绍机器学习模型状态估计新算法的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Hany Abdulsamad, \'Angel F. Garc\'ia-Fern\'andez, Simo S\"arkk\"a · 2026-07-07 04:00

Recursive Entropic Variational Inference for Nonlinear State-Space Models

arXiv:2511.15409v2 Announce Type: replace Abstract: We present a class of algorithms for state estimation in nonlinear, non-Gaussian state-space models. Our approach is based on a variational Lagrangian formulation that casts Bayesian inference as a sequence of entropic trust-reg…