recursive Bayesian estimation
PulseAugur coverage of recursive Bayesian estimation — every cluster mentioning recursive Bayesian estimation across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
新研究推动扩散模型在图像编辑、数据增强和遗忘方面的进展
研究人员正在探索扩散模型的先进技术，重点是改进图像编辑、数据增强和遗忘能力。新方法旨在通过改进ODE求解器和矢量场平滑来提高图像编辑的稳定性和保真度。对于数据增强，正在开发不确定性指导策略，通过关注信息区域来改进语义分割模型。此外，扩散模型遗忘方面的进展正在取得，研究调查了选择性遗忘和使用稀疏自编码器将概念检测与干预分离，旨在获得更清晰的结果并更好地保留模型质量。
-
新方法使用 proper scoring rules 学习概率滤波器
研究人员开发了一种名为 proper scoring ensemble filter (PSEF) 的新方法，用于动态系统的贝叶斯滤波。这种基于 transformer 的映射使用合成状态-观测轨迹来近似滤波分布，并使用严格 proper scoring rules（例如 energy score）进行训练，以奖励概率准确性。数值实验表明，PSEF 可以准确地近似复杂的滤波分布，包括非线性、非高斯和多模态后验分布，在数据同化任务中优于…
-
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。
-
新的传输滤波方法改进了非线性、非高斯近似
研究人员开发了一种新的无似然传输滤波方法，该方法利用状态变量和观测变量之间的耦合。该方法将滤波分析步骤重新表述为最小化真实联合测度和近似联合测度之间的最大均值差异（MMD）。该方法提供了传输图的解析计算，避免了粒子坍塌，并能准确近似非高斯滤波后验，在非线性、非高斯场景中表现出优越的性能。