安娜·库奇里特;西蒙·卡洛·萨雷斯;珍妮·帕斯卡尔·普菲斯特 搭车人非线性滤波指南。 （英语） Zbl 1437.93132号 数学杂志。精神病。 94，文章ID 102307，21 p.（2020）. 摘要：非线性滤波用于从输入数据中在线估计动态隐藏变量，在工程、机器学习、经济科学和自然科学等不同领域有着广泛的应用。我们从我们能想到的最简单的“过滤”任务，即静态贝叶斯推断，开始对非线性过滤理论的回顾。从那里开始，我们继续研究机器学习中通常遇到的离散时间模型，并推广到连续时间滤波理论。改变概率测度的思想连接并阐明了该理论的几个方面，例如离散时间和连续时间问题之间以及不同观测模型之间的相似性。此外，它还提供了对粒子滤波算法构造的深入了解。本教程面向科学家和工程师，应作为非线性滤波主要思想的介绍，并作为更高级和专业文献的一部分。 引用于2文件 理学硕士： 93E11号机组 随机控制理论中的滤波 93C55美元 离散时间控制/观测系统 2015年1月62日 贝叶斯推断 关键词：非线性滤波理论;贝叶斯推断;措施变更;粒子过滤器 软件：PRMLT公司 PDF格式BibTeX公司 XML格式引用 \textit{A.Kutschireiter}等人，《数学杂志》。精神病。94，文章ID 102307，21 p.（2020；Zbl 1437.93132） 全文： 内政部 arXiv公司 OA许可证 参考文献： [1] 阿姆斯特朗，J。；Brigo，D.，《通过混合流形上L2投影的随机滤波与计算机算法和数值示例》（2013），arXiv [2] 阿鲁兰帕拉姆，M.S。；马斯凯尔，S。；戈登，N。；Clapp，T.，在线非线性/非高斯贝叶斯跟踪粒子滤波器教程，IEEE信号处理学报，50，174-188（2002），URL:http://ieeexplore.iee.org/lpdocs/epic03/wrapper.htm？arnumber=978374 [3] 贝恩，A。；Crisan，D.，《随机滤波基础》（2009），Springer:Springer New York·Zbl 1176.62091号 [4] Benes，V.E.，《具有非线性漂移的特定扩散的精确有限维滤波器》，《随机学》，第5期，第65-92页（1981年）·Zbl 0458.60030号 [5] Bergemann，K。；Reich，S.，《用于连续数据同化的集合卡尔曼-布基滤波器》，《气象》，第21期，第213-219页（2012年） [6] Bishop，C.M.，《模式识别和机器学习》，第4卷（2006年），《Springer-Verlag:Springer-Verlag Berlin》，海德堡·Zbl 1107.68072号 [7] Bobrowski，O。；梅尔，R。；Eldar，Y.，《尖峰神经网络中的贝叶斯滤波：噪声、自适应和多传感器集成》，《神经计算》，1-39（2009），URL:http://www.mitpressjournals.org/doi/abs/10.1162/neco.2008.01-08-692 ·Zbl 1162.68521号 [8] Bremaud，P.，点过程和队列：鞅动力学（Springer series in statistics（1981），Springer New York），URL:https://books.google.ch/books？id=k5jarX-BssUC公司·Zbl 0478.60004号 [9] 布里戈，D。；Hanzon，B.，《关于数学金融中出现的一些过滤问题》，《保险：数学与经济学》，22，53-64（1998）·兹比尔1093.91514 [10] 布里戈，D。；Hanzon，B。；Le Gland，F.，密度指数流形上投影的近似非线性滤波，Bernoulli，5495-534（1999），URL:http://projecteuclid.org/euclid.bj/1172617201 ·兹伯利0930.93074 [11] 布里戈，D。；Hanzon，B。；LeGland，F.，《非线性滤波的微分几何方法：投影滤波器》，电气与电子工程师学会。《自动控制交易》，43，247-252（1998），网址：http://ieeexplore.ieee.org/document/661075/ ·Zbl 0904.93038号 [12] Brillinger，D.，相互作用神经细胞的棘波序列的最大似然分析，生物控制论，59189-200（1988）·Zbl 0646.92007号 [13] Brunn，D。；Sawo，F。；Hanebeck，U.D.，基于傅里叶密度的高效非线性贝叶斯估计，（IEEE智能系统多传感器融合与集成国际会议（2006）），317-322 [14] Cox，D.R.，《与一系列事件相关的一些统计方法》，英国皇家统计学会期刊。B系列统计方法，17，129-164（1955）·Zbl 0067.37403号 [15] Daum，F.，《精确有限维非线性滤波器》，电气与电子工程师学会。《自动控制交易》，31，616-622（1986）·Zbl 0621.93067号 [16] Daum，F。；黄，J。；Noushin，A.，《非线性滤波器的精确粒子流》，（信号处理、传感器融合和目标识别XIX，第7697卷（2010年）），769704-769719，URL:http://link.aip.org/link/？PSI/7697/769704/1 [17] Doucet，A。；Godsill，S。；Andrieu，C.，《贝叶斯滤波、统计与计算的序贯蒙特卡罗抽样方法》，第10期，197-208（2000） [18] Doucet，A。；Johansen，A.，《粒子滤波与平滑教程：十五年后》（《非线性滤波手册》（2009）），4-6，URL:http://automatica.dei.unipd.it/tl_files/utenti/lucaschenato/Classes/PSC10_11/Tutorial_PF_doucet_johansen.pdf [19] Drugowitsch，J。；DeAngelis，G.C。；Klier，E.M。；Angelaki，D.E。；Pouget，A.，反应时间任务中的最佳多感官决策，eLife，3748-756（2014），URL:https://elifesciences.org/articles/03005 [20] Eden，U.T.，《神经数据分析的点过程自适应滤波器：理论与应用》，（决策与控制，2007年第46届IEEE会议，2007年），5818-5825，URL:http://ieeexplore.iee.org/lpdocs/epic03/wrapper.htm？arnumber=4434708 [21] 美国犹他州伊登。；Brown，E.N.，《神经数据点过程模型状态估计的连续时间滤波器》，《中国统计》，第18期，第1293-1310页（2008年），网址：网址：http://www.nature.com/doifinder/10.1038/nrm2621, http://www.ncbi.nlm.nih.gov/pubmed/22065511, http://www.pubmedcentral.nih.gov/articlerender.fcgi？artid=PMC3208353, http://www.nature.com/articles/nrm2621 ·兹比尔1293.62212 [22] 美国犹他州伊登。；弗兰克·L·M。；Barbieri，R。；索洛，V。；Brown，E.N.，通过点过程自适应滤波对神经编码进行动态分析，神经计算，16，971-998（2004），URL:http://www.ncbi.nlm.nih.gov/pubmed/15070506 ·Zbl 1054.92008年 [23] Evensen，G.，使用蒙特卡罗方法预测误差统计的非线性准营养模型的序贯数据同化，地球物理研究杂志，99，10143（1994） [24] Gardiner，C.W.，《随机方法手册》（2009），施普林格：施普林格-海德堡 [25] 釉料，C.M。；卡布尔，J.W。；戈尔德，J.I.，《不可预测环境中的规范性证据积累》，eLife，4（2015） [26] 戈登，N。；鲑鱼，D。；Smith，A.，非线性/非高斯贝叶斯状态估计的新方法，IEE Proceedings F（雷达和信号处理），140，107（1993），URL:http://digital-library.theiet.org/content/journals/10.1049/ip-f-2.1993.0015, http://www3.nd.edu/lemmon/courses/ee67033/pubs/GordonSalmondSmith93.pdf [27] 哈雷，Y。；梅尔，R。；Opper，M.，《尖峰神经元异质群体对动态刺激的最佳解码：封闭形式近似》，《神经计算》，第30期，2056-2112页（2018年）·Zbl 1472.92018年 [28] Jazwinski，A.H.，《随机过程和过滤理论》（1970），学术出版社：纽约学术出版社·Zbl 0203.50101号 [29] 贾，B。；Xin，M.，通过傅里叶级数的新型非线性滤波算法，（2010年美国控制会议论文集，ACC 2010（2010）），606-6070 [30] 《线性滤波和预测问题的新方法》，美国机械工程师协会汇刊。D辑，《基础工程杂志》，82，35-45（1960），网址：http://fluidsengineering.asmedigitalcollection.asme.org/article.aspx？articleid=1430402 [31] Kalman，R.E。；Bucy，R.S.，线性滤波和预测理论的新结果，ASME汇刊。D系列，《基础工程杂志》，83，95（1961），网址：http://fluidsengineering.asmedigitalcollection.asme.org/article.aspx？articleid=1430804 [32] Klebaner，F.C.，《随机微积分及其应用导论》（2005），帝国理工大学出版社·Zbl 1077.60001号 [33] Körding，K.P。；Tenenbaum，J.B。；Shadmehr，R.，《最佳适应变化身体的记忆动力学》，《自然神经科学》，2007年，第10期，第779-786页，网址：http://www.pubmedcentral.nih.gov/articlerender.fcgi？artid=2551734&tool=pmcentrez&rendertype=abstract, 网址：http://www.nature.com/doifinder/10.1038/nn1901 [34] Koyama，S。；美国犹他州伊登。；Brown，E.N。；Kass，R.E.，神经尖峰序列的贝叶斯解码，统计数学研究所年鉴，62，37-59（2010）·Zbl 1422.62293号 [35] Künsch，H.R.，《颗粒过滤器》，伯努利，第19期，1391-1403页（2013年），网址：http://projecteuclid.org/euclid.bj/1377612857 ·Zbl 1275.93058号 [36] Kushner，H.，《关于马尔可夫过程的条件概率密度满足的微分方程及其应用》，工业与应用数学学会杂志，控制，2（1962），URL:http://epubs.siam.org/doi/pdf/10.1137/0302009 ·Zbl 0131.16602号 [37] 库什纳，H.J。；Dupuis，U.T.，连续时间随机控制问题的数值方法，（随机建模和应用概率，第24卷（2001年），纽约施普林格出版社：纽约施普林格出版社），URL:http://link.springer.com/10.1007/978-1-4613-0007-6 ·Zbl 0968.93005号 [38] Kutschireiter，A.，《代码：搭便车者非线性滤波指南》（2019年） [39] Macke，J.H。；Buesing，L.公司。；Sahani，M.，估计尖峰序列状态空间模型中的状态和参数，（Chen，Z.，神经和临床数据的高级状态空间方法（2011），剑桥大学出版社：剑桥大学出版社，137-159，URL:http://ebooks.cambridge.org/ref/id/CBO9781139941433A054 [40] 德梅洛，F.E。；马斯凯尔，S。；法西奥罗，M。；Daum，F.，非线性高维滤波问题的随机粒子流，1-61（2015），ArXiv [41] 米库利维修斯（Mikulevicius），R。；Rozovskii，B.，非线性滤波的Fourier-Hermite展开，概率论及其应用，44，606-612（2000），网址：http://epubs.siam.org/doi/10.1137/S0040585X97977835 ·Zbl 0968.60037号 [42] 奥斯特瓦尔德，D。；Kirilina，E。；斯塔克·L。；Blankenburg，F.，《潜在线性随机时间序列模型的变分贝叶斯教程》，《数学心理学杂志》，60，1-19（2014），URL:http://dx.doi.org/10.1016/j.jmp.2014.04.003 ·Zbl 1304.62116号 [43] 普菲斯特，J.-P。；大研，P。；Lengyel，M.，《认识你的邻居：突触抑制的规范理论》，《神经信息处理系统的进展》，1464-1472（2009），网址：http://papers.nips.cc/paper/3841-know-thy-neighbour-a-normative-theory-of-synaptic-depression.pdf [44] Piet，A.T。；哈迪，A.E。；布罗迪，C.D。；哈迪，A.艾尔；Brody，C.D.，《大鼠在动态环境中采用最佳时间尺度进行证据整合》，《自然通讯》，9，1-12（2018），URL:http://arxiv.org/abs/1710.05945 [45] Rabiner，L.，语音识别中隐藏马尔可夫模型和选定应用的教程，IEEE学报，77，257-286（1989），URL:http://www.ece.ucsb.edu/Ffaculty/Rabiner/ece259/Reprints/tutorialonhmmanadapplications.pdf, http://ieeexplore.ieee.org/document/18626/ [46] Radillo，A.E。；Veliz-Cuba，A。；Josić，K。；Kilpatrick，Z.，动态环境中的证据积累和变化率推断，神经计算，291561-1610（2017），URL:http://arxiv.org/abs/1803.01446, http://www.mitpressjournals.org/doi/abs/10.1162/NECO_a_00957 ·Zbl 1414.91325号 [47] Speekenbrink，M.，粒子滤波器教程，《数学心理学杂志》，73140-152（2016）·Zbl 1396.91657号 [48] Stratonovich，R.L.，条件马尔可夫过程，概率论及其应用，5，3-6（1960）·Zbl 0094.13101号 [49] Surace，S.C.，《对短期可塑性的功能理解和体内神经元动力学统计模型的开发》（2015），（博士论文） [50] 南卡罗来纳州Surace。；Kutschireiter，A。；Pfister，J.-P.，用于流形值隐藏状态和点过程观测的渐近精确未加权粒子滤波器，IEEE控制系统快报，2，1（2019），URL:http://arxiv.org/abs/1907.10143, https://ieeexplore.ieee.org/document/8890670/ [51] 南卡罗来纳州Surace。；Kutschireiter，A。；Pfister，J.-P.，《如何避免维数灾难：具有和不具有重要性权重的粒子过滤器的可伸缩性》，SIAM Review，61，79-91（2019），URL:http://arxiv.org/abs/1703.07879, https://epubs.siam.org/doi/10.1137/17M1125340 ·Zbl 1415.93268号 [52] Taghvaei，A。；Mehta，P.G.，反馈粒子滤波器中的增益函数近似，（2016 IEEE第55届决策与控制会议，CDC（2016），IEEE），5446-5452，URL:https://arxiv.org/pdf/1603.05496v1.pdf, http://ieeexplore.ieee.org/document/7799105/ [53] Taghvaei，A。；德威尔杰斯，J。；梅塔，P.G。；Reich，S.，Kalman滤波器及其对连续时间非线性滤波问题的现代扩展，ASME汇刊。《动态系统、测量与控制杂志》（2017），网址：http://arxiv.org/abs/1702.07241, https://asmedigitalcollection.asme.org/dynamicsystems/article/doi/10115/1.4037780/474492/Kallman-Filter-and-Its-Modern-Extensions-for-the [54] Truccolo，W.，将神经尖峰活动与尖峰历史、神经集成和外源协变量效应关联起来的点过程框架，《神经生理学杂志》，93，1074-1089（2004），URL:http://jn.physiology.org/cgi/doi/101152/jn.006972004 [55] Van Handel，R.，《随机演算、过滤和随机控制》（2007），加州理工学院，网址：http://www.princeton.edu/rvan/acm217/acm217.pdfcalculus、过滤和随机控制.pdf [56] Van Leeuwen，P.J.，《地球科学中的非线性数据同化：一种非常有效的粒子滤波器》，《皇家气象学会季刊》，1361991-1999（2010），URL:http://onlinelibrary.wiley.com/store/10.1002/qj.699/asset/699_ftp.pdf？v=1&t=iyznovi1&s=ebd583b403e12f513bcce80d3b7de4473987cac0 [57] Veliz-Cuba，A。；Z.P.基尔帕特里克。；Josić，K.，《变化环境中证据积累的随机模型》，SIAM Review，58，264-289（2016），URL:http://arxiv.org/abs/1505.04195 ·Zbl 1419.62017号 [58] Visser，I.，《关于隐马尔可夫模型的七件事：时间序列的马尔可夫模式教程》，《数学心理学杂志》，55，403-415（2011）·Zbl 1229.62128号 [59] Wolpert博士。；加赫拉马尼，Z。；Jordan，M.，《感觉运动整合的内部模型》，《科学》，2691880-1882（1995） [60] Wonham，W.M.，《随机微分方程在最佳非线性滤波中的一些应用》，《工业和应用数学学会期刊A系列控制》，2347-369（1964）·Zbl 0143.19004号 [61] Yang，T。；布洛姆，H.A.P。；Mehta，P.G.，《连续离散时间反馈粒子滤波器》（The continuous-discrete time feedback particle filter），美国控制会议论文集（2014），648-653 [62] Yang，T。；Laugesen，R.S。；梅塔，P.G。；Meyn，S.，多变量反馈颗粒过滤器，Automatica，71，10-23（2016），URL:https://arxiv.org/pdf/1303.1205v1.pdf, http://dx.doi.org/10.1016/j.automatica.2016.04.019, http://ac.els-cdn.com/S00510981630142X/1-s2.0-S000510981630142X-main.pdf？_tid=86f73940-c6b8-11e6-9fcb-00000aacb361&acdnat=1482240832_857bbc5eb2ba02e92c0598e0a8403835·Zbl 1343.93088号 [63] Yang，T。；梅塔，P.G。；Meyn，S.，《反馈颗粒过滤器》，电气与电子工程师学会。《自动控制交易》，582465-2480（2013）·Zbl 1369.93662号 [64] Zakai，M.，关于扩散过程的最佳过滤，Zeitschrift fur Wahrscheinlichkeits theorye und Verwandte Gebiete，11，230-243（1969），URL:http://link.springer.com/article/10.1007/BF00536382。 http://www.springerlink.com/index/Q730671QUQR1L044.pdf ·Zbl 0164.19201号 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。