文献

J-GLOBAL ID：202202244962711766   整理番号：22A0456636

機能的Bayesフィルタ【JST・京大機械翻訳】

Functional Bayesian Filter

著者 (2件)： Li Kan (Computational NeuroEngineering Laboratory, University of Florida, Gainesville, FL, USA) ,  Principe Jose C. (Computational NeuroEngineering Laboratory, University of Florida, Gainesville, FL, USA)
資料名： IEEE Transactions on Signal Processing  (IEEE Transactions on Signal Processing)
巻： 70  ページ： 57-71  発行年： 2022年 
JST資料番号： C0228A  ISSN： 1053-587X  CODEN： ITPRED  資料種別： 逐次刊行物 (A)
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： カーネルHilbert空間(RKHS)を再生する理論を用いて,高次元状態推定のための一般的非線形Bayesフィルタを提示した。関数空間における線形二次推定を実行するためにカーネル法と表現定理を適用することにより,元の入力空間における一般的非線形力学系に対するBayes再帰状態推定器を導出した。システムダイナミックスが知られているKalmanフィルタの既存の非線形拡張とは異なり,機能的Bayesフィルタ(FBF)のための状態空間表現を,普遍的近似特性で,RKHSにおける無限インパルス応答(IIR)フィルタまたは再帰ネットワークの形で測定データからオンラインで完全に学習した。情報量を計算し進化させるためのMercerの条件を満足する正の明確なカーネル関数を用いて,FBFは,信号に関する統計的および時間領域情報の両方を利用して,高次モーメントを抽出し,従来の演算による悪い影響なしに共分散の特性を保存した。この新規カーネル適応フィルタリング(KAF)を,Gaussおよび非Gauss雑音および逆運動学モデリングを用いて,反復ネットワーク訓練,カオス時系列推定および協調フィルタリングに適用した。シミュレーション結果は,FBFが既存のKalmanベースのアルゴリズムより優れていることを示した。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： Hilbert空間 ,  アルゴリズム ,  シミュレーション ,  *ネットワーク ,  インパルス応答 ,  状態推定 ,  共分散 ,  近似法 ,  非Gauss雑音 ,  Kalmanフィルタ ,  高次元 ,  適応フィルタリング
準シソーラス用語： Kernel関数 ,  オンライン ,  時間領域 , 【Automatic Indexing@JST】

分類 (3件)： 統計学  (AB08000H) ,  ディジタルフィルタ  (NC04022Z) ,  信号理論  (ND02020G)

タイトルに関連する用語 (1件)： Bayesフィルタ