实体
Particle Filters
Particle Filters
PulseAugur coverage of Particle Filters — every cluster mentioning Particle Filters across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
新型神经粒子滤波器提高序列推理精度
研究人员开发了神经最优粒子滤波器（NOPFs），这是一种将机器学习集成到粒子滤波器中用于序列推理的新方法。这些NOPFs学习最优提议分布的摊销近似，该近似可以直接替换到标准的粒子滤波器更新中。该方法旨在提高涉及噪声和不完整观测的任务的样本效率和准确性，尤其是在高维或复杂场景中，而不会改变基本的滤波目标。
-
新型神经卡尔曼滤波器增强分布式传感能力
研究人员开发了一种新颖的分布式传感框架，称为协方差无关神经卡尔曼共识滤波器（CA-NKCF）。该框架使智能体之间能够进行协作式潜在状态估计，而无需了解噪声统计信息。实验表明，CA-NKCF在各种条件下（包括线性、混沌和无线跟踪环境）的性能和鲁棒性均优于传统的卡尔曼滤波器和粒子滤波器，以及无模型深度神经网络。
-
新方法使用生成式模拟器进行可扩展的贝叶斯滤波
研究人员开发了一种使用生成式模拟器（特别是扩散模型）进行贝叶斯滤波的新颖方法。该方法允许在无需额外训练的情况下实现粒子滤波的最优变体，克服了高维系统的可扩展性问题。在包括大气动力学在内的复杂系统上的实验表明了该技术在高维环境中的有效性。