×
理查德·阿奇博尔德;包，冯

用于数据同化的核学习反向SDE滤波器。 （英语） Zbl 07518091号

J.计算。物理学。 455，文章ID 111009，16 p.（2022）.
摘要：本文提出了一种基于部分噪声观测值的核学习后向SDE滤波方法来估计随机动力系统的状态。利用前向-后向随机微分方程组传播目标动力学模型的状态，并利用贝叶斯推理融合观测信息。为了刻画整个状态空间中的动力学模型，我们引入了一种核学习方法，以离散近似密度值作为训练数据，学习目标状态的条件概率密度函数的连续全局逼近。数值实验表明，该核学习反向SDE是高效的。

MSC公司：

60华氏度 随机分析
65立方厘米 概率方法，随机微分方程
60克xx 随机过程

关键词：

非线性滤波问题;倒向随机微分方程;内核学习;随机优化

软件：

合卡尔曼滤波
PDF格式BibTeX公司 XML格式引用
\textit{R.Archibald}和\textit{F.Bao}，J.Compute。物理学。455，文章ID 111009，16 p.（2022；Zbl 07518091）
全文： 内政部

参考文献：

[1] Andrieu，C。；Doucet，A。；Holenstein，R.，《粒子马尔可夫链蒙特卡罗方法》，J.R.Stat.Soc.B，72，3，269-342（2010）·Zbl 1411.65020号
[2] Bao，F。；曹毅。；Han，X.，前向-后向双随机微分方程和扩散过程的最优滤波，Commun。数学。科学。，18, 3, 635-661 (2020) ·Zbl 1458.60067号
[3] Bao，F。；曹毅。；Meir，A.J。；Zhao，W.，反向双随机微分方程的一阶格式，SIAM/ASA J.不确定性。定量猫。，4, 1, 413-445 (2016) ·Zbl 1343.60096号
[4] Bao，F。；曹毅。；韦伯斯特，C。；Zhang，G.，基于Zakai方程近似自适应域的非线性滤波问题的混合稀疏网格方法，SIAM/ASA J.不确定性。量化。，2, 1, 784-804 (2014) ·Zbl 1343.60041号
[5] Bao，F。；曹毅。；Zhao，W.，非线性滤波问题的反向双随机微分方程方法，Commun。计算。物理。，23, 5, 1573-1601 (2018) ·Zbl 1488.65008号
[6] Bao，F。；Maroulas，V.，自适应无网格后向SDE滤波器，SIAM J.Sci。计算。，39、6、A2664-A2683（2017）·Zbl 1386.93285号
[7] 博图，L。；Bousquet，O.，《大规模学习的权衡》（Platt，J.；Koller，D.；Singer，Y.；Roweis，S.，《高级神经信息处理系统》，第20卷（2008年），Curran Associates，Inc.）
[8] Chorin，A.J。；Tu，X.，《粒子过滤器的隐式采样》，Proc。国家。阿卡德。科学。美国，10617249-17254（2009）
[9] Chorin，A.J。；Tu，X.，序贯蒙特卡罗方法简介，（序贯蒙特卡洛方法在实践中的应用（2001），Springer），3-14·Zbl 1056.93576号
[10] O.戴克。；Ziatdinov，M。；杰西，S。；鲍，F。；Yousefzadi Nobakht，A。；Maksov，A。；Sumpter，B.G。；阿奇博尔德，R。；法律，K.J.H。；Kalinin，S.V.，《通过电子束诱导的单原子动力学探索势能景观》，《材料学报》。，203，第116508条pp.（2021）
[11] El Karoui，N。；彭，S。；Queez，M.C.，《金融中的倒退随机微分方程》，数学。金融，7，1，1-71（1997）·Zbl 0884.90035号
[12] Evensen，G.，《数据同化：集合卡尔曼滤波器》（2006），施普林格出版社·Zbl 1157.86001号
[13] 戈贝，E。；帕格斯，G。；Pham，H。；Printems，J.，Zakai方程的离散化和模拟，SIAM J.Numer。分析。，44,62505-2538（2006），（电子版）·Zbl 1139.60034号
[14] Gönen，M。；Alpaydñn，E.，《多核学习算法》，J.Mach。学习。第12号决议，2211-2268（2011年）·Zbl 1280.68167号
[15] 新泽西州戈登。；萨蒙德，D.J。；Smith，A.F.M.，非线性/非高斯贝叶斯状态估计的新方法，IEE Proc。E、 140、2、107-113（1993）
[16] 霍夫曼，T。；Schölkopf，B。；Smola，A.J.，《机器学习中的内核方法》，《Ann.Stat.》，36，3，1171-1220（2008）·Zbl 1151.30007号
[17] 胡，Y。；Kallianpur，G。；Xiong，J.，Zakai方程的近似，应用。数学。优化。，45, 1, 23-44 (2002) ·Zbl 1001.60044号
[18] Jasra，A。；Kamatani，K。；法律，K。；Zhou，Y.，多层粒子滤波器，SIAM J.Numer。分析。，55, 6, 3068-3096 (2017) ·Zbl 1477.62260号
[19] 朱利尔，S.J。；Uhlmann，J.K.，《无中心滤波和非线性估计》，Proc。IEEE，92，401-422（2004）
[20] 加里宁，S。；Borisevich，A。；Jesse，S.，《点燃原子炉》，《自然》，539，7630，485-487（2016）
[21] 卡尔曼，R.E。；Bucy，R.S.，《线性滤波和预测理论的新结果》，J.Basic Eng.，83，D系列，95-108（1961）
[22] Kang，K。；马鲁拉斯，V。；Schizas，I。；Bao，F.，用于无线传感器网络跟踪的改进分布式粒子滤波器，计算。统计数据分析。，117, 90-108 (2018) ·Zbl 1469.62089号
[23] 克劳登，体育。；Platen，E.，随机微分方程的数值解，（数学应用，第23卷）。《数学应用》，第23卷，纽约（1992年），《施普林格-弗拉格：柏林施普林格》·Zbl 0925.65261号
[24] 法律，K。；Stuart，A。；Zygalakis，K.，《数据同化》，Cham，第214卷（2015年），Springer:Springer Switzerland·Zbl 1353.60002号
[25] 马，金；菲利普·普罗特；Yong，Jiongmin，显式求解前向随机微分方程-四步格式，Probab。理论关联。菲尔德，98，3，339-359（1994）·Zbl 0794.60056号
[26] Morzfeld，M。；涂，X。；阿特金斯，E。；Chorin，A.J.，隐式过滤器的随机映射实现，J.Compute。物理。，231, 4, 2049-2066 (2012) ·Zbl 1242.65012号
[27] 爱沙尼亚帕杜克斯。；Peng，S.，倒向随机微分方程和拟线性抛物型偏微分方程，（随机偏微分方程及其应用），随机偏微分方程式及其应用，夏洛特，北卡罗来纳州，1991年。随机偏微分方程及其应用。随机偏微分方程及其应用，夏洛特，北卡罗来纳州，1991年，控制与信息讲义。科学。，第176卷（1992年），施普林格：施普林格柏林），200-217·Zbl 0766.60079号
[28] 爱沙尼亚帕杜克斯。；葛鹏，S.，倒向双随机微分方程和拟线性SPDEs系统，Probab。理论关联。菲尔德，98，2，209-227（1994）·Zbl 0792.60050号
[29] Peng，S.，倒向随机微分方程，非线性期望及其应用，（国际货币基金组织学报2010（2011）），393-432·Zbl 1233.60031号
[30] 皮特，M.K。；Shephard，N.，《通过模拟过滤：辅助粒子过滤器》，美国统计协会，446，94，590-599（1999）·Zbl 1072.62639号
[31] 赫伯特·罗宾斯；Monro，Sutton，《随机近似方法》，《数学年鉴》。《法律总汇》第22、3、400-407页（1951年）·Zbl 0054.05901号
[32] 斯奈德，C。；Bengtsson，T。；比克尔，P。；Anderson，J.，《高维粒子滤波的障碍》，蒙大拿州。《天气评论》，1364629-4640（2008）
[33] 宋，T。；Speyer，J.，修正增益扩展卡尔曼滤波器的随机分析，应用于仅方位测量的估计，IEEE Trans。自动。控制，30，10，940-949（1985）·Zbl 0565.93057号
[34] 唐，X。；Majda，A.J。；Kelly，D.，基于集合的卡尔曼滤波器的非线性稳定性和遍历性，非线性，29,2657-691（2016）·Zbl 1334.60060号
[35] 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》，Q.J.R.Meteorol。Soc.，136，653，1991-1999（2010）
[36] Zakai，M.，关于扩散过程的最优滤波，Z.Wahrscheinlichkeitstheory。版本。德国。，11, 230-243 (1969) ·Zbl 0164.19201号
[37] 张，H。；Laneuville，D.，基于网格的Zakai方程解，针对纯方位跟踪进行自适应局部细化（Aero Conf.（2008））
[38] Zhang，J.，倒向随机微分方程，（倒向随机差分方程（2017），Springer），79-99
[39] 赵伟。；Chen，L。；Peng，S.，倒向随机微分方程的一种新的精确数值方法，SIAM J.Sci。计算。，28、4、1563-1581（2006），施普林格出版社，2017年·Zbl 1121.60072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。