We introduce a weighted particle representation for the solution of the filtering problem based on a suitably chosen variation of the classical de Finetti theorem. This representation has important theoretical and numerical applications. In this paper, we explore some of its theoretical consequences. The first is to deduce the equations satisfied by the solution of the filtering problem in three different frameworks: the signal independent Brownian measurement noise model, the spatial observations with additive white noise model and the cluster detection model in spatial point processes. Secondly we use the representation to show that a suitably chosen filtering discretisation converges to the filtering solution. Thirdly we study the leading error coefficient for the discretisation. We show that it satisfies a stochastic partial differential equation by exploiting the weighted particle representation for both the approximation and the limiting filtering solution.


翻译:我们根据古典德费内蒂理论的恰当选择变量,为过滤问题的解决办法引入加权粒子代表法。这种代表法具有重要的理论和数字应用。在本文中,我们探讨了其理论后果。首先,我们从三个不同框架中推断出过滤问题解决办法所满足的方程式:信号独立的布朗测量噪音模型、带添加白噪音模型的空间观测和空间点过程中的集束探测模型。第二,我们使用该代表法表明,选择得当的过滤离散方法与过滤解决方案相汇合。第三,我们研究了离散的主要误差系数。我们通过利用加权粒子代表法近似和限制过滤解决方案,表明它满足了随机偏差部分方程式。

0
下载
关闭预览

相关内容

【DeepMind】强化学习教程,83页ppt
专知会员服务
151+阅读 · 2020年8月7日
Linux导论,Introduction to Linux,96页ppt
专知会员服务
77+阅读 · 2020年7月26日
LibRec 精选:AutoML for Contextual Bandits
LibRec智能推荐
7+阅读 · 2019年9月19日
深度自进化聚类:Deep Self-Evolution Clustering
我爱读PAMI
15+阅读 · 2019年4月13日
【TED】生命中的每一年的智慧
英语演讲视频每日一推
9+阅读 · 2019年1月29日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
Arxiv
0+阅读 · 2021年6月4日
Arxiv
13+阅读 · 2021年5月25日
VIP会员
相关资讯
LibRec 精选:AutoML for Contextual Bandits
LibRec智能推荐
7+阅读 · 2019年9月19日
深度自进化聚类:Deep Self-Evolution Clustering
我爱读PAMI
15+阅读 · 2019年4月13日
【TED】生命中的每一年的智慧
英语演讲视频每日一推
9+阅读 · 2019年1月29日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
Top
微信扫码咨询专知VIP会员