文献

J-GLOBAL ID：201702285388889110   整理番号：17A0667067

機械学習はKalmanフィルタリングに適合する【Powered by NICT】

Machine learning meets Kalman Filtering

著者 (5件)： Carron Andrea (Department of Information Engineering of the University of Padova, via Gradenigo, 6/B 35100, Italy) ,  Todescato Marco (Department of Information Engineering of the University of Padova, via Gradenigo, 6/B 35100, Italy) ,  Carli Ruggero (Department of Information Engineering of the University of Padova, via Gradenigo, 6/B 35100, Italy) ,  Schenato Luca (Department of Information Engineering of the University of Padova, via Gradenigo, 6/B 35100, Italy) ,  Pillonetto Gianluigi (Department of Information Engineering of the University of Padova, via Gradenigo, 6/B 35100, Italy)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： CDC  ページ： 4594-4599  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本研究では,非線形時間-空間動的Gauss過程(GP)のための効率的なノンパラメトリック推定の問題を研究した。Kalmanフィルタリングを用いたペアリングGP回帰により,この問題に対処するための体系的かつ明示的な手続きを提案した。(おそらく不均一)立体格子組構造のモデリングカーネルと周期的サンプリングの特異的分離可能性仮定の下で,モデル化されたプロセスのための厳密な有限次元離散時間状態空間表現を構築する方法を示した。主要な調査結果は,関連するKalmanフィルタの瞬間Kで状態は空間の任意の有限部分集合上のインスタントKでプロセスの最小分散予測を計算するための十分な統計量であるということである。最後に,標準の手法により提案された戦略を比較した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： モデリング ,  ノンパラメトリック法 ,  *機械学習 ,  統計量 ,  部分集合 ,  *Kalmanフィルタ ,  予測 ,  Gauss過程
準シソーラス用語： 最小分散 ,  空間表現 ,  分離可能性 ,  立方格子 , 【Automatic Indexing@JST】

分類 (3件)： ディジタルフィルタ  (NC04022Z) ,  信号理論  (ND02020G) ,  システム同定  (IA02040O)

タイトルに関連する用語 (2件)： 機械学習 ,  Kalmanフィルタ