文献

J-GLOBAL ID：201702283905612582   整理番号：17A1632368

時間-空間Gauss過程のための分散Kalmanフィルタリング【Powered by NICT】

Distributed Kalman filtering for Time-Space Gaussian Processes ^* * This work is supported by Progetto di Ateneo CPDA147754/14-New statistical learning approach for multi-agents adaptive estimation and coverage control.

著者 (5件)： Todescato M. (Department of Information Engineering, Padova, 35131, Italy) ,  Dalla Libera A. (Department of Information Engineering, Padova, 35131, Italy) ,  Carli R. (Department of Information Engineering, Padova, 35131, Italy) ,  Pillonetto G. (Department of Information Engineering, Padova, 35131, Italy) ,  Schenato L. (Department of Information Engineering, Padova, 35131, Italy)
資料名： IFAC PapersOnLine  (IFAC PapersOnLine)
巻： 50  号： 1  ページ： 13234-13239  発行年： 2017年 
JST資料番号： W3101A  ISSN： 2405-8963  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 本論文では,空間-時間Gauss過程(GP)回帰のための分散Kalmanフィルタリングの問題を取り上げて論じた。古典的非パラメトリックGPベース回帰と再帰Kalmanフィルタリングを橋渡しする最近の結果から解析を開始した。分散Kalmanフィルタリングの結果に刺激されて,センサネットワークにおける分散型GP回帰を実行するために二つのアルゴリズムを提案した。最初の方法では,各センサであるコンセンサスによって収集された部分情報に関して最適な局所Kalmanフィルタを用いた隣接センサ間の走行古典的平均コンセンサス情報フィルタを組み合わせて全体プロセスの局所コピーを推定した。平均コンセンサスフィルタの極限で,この手順は古典的集中Kalman法と1対1対応であることが証明されている。推定性能を向上させるために,第二のアルゴリズムにおける隣接ノードは部分状態推定値間のコンセンサスを行った。最後に,理論的結果を数値シミュレーションで補完し,文献で入手可能な解と比較した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 推定量 ,  センサ ,  アルゴリズム ,  *Gauss過程 ,  センサネットワーク ,  *Kalmanフィルタ ,  シミュレーション ,  走行
準シソーラス用語： 数値シミュレーション ,  情報フィルター , 【Automatic Indexing@JST】

著者キーワード (4件)： Gauss過程 ,  Kalmanフィルタ ,  機械学習 ,  分散推定

分類 (3件)： 無線通信一般  (ND08010L) ,  通信網  (ND07030A) ,  計算機網  (JC03000K)

タイトルに関連する用語 (2件)： Gauss過程 ,  Kalmanフィルタ