跳到主要内容
检索

# 贝叶斯系统辨识

1 篇关联报道

订阅更新
  1. arXiv

    系统辨识不再逐条重跑:扩散模型训练一次,记录长五倍仍保住状态精度

    贝叶斯系统辨识要从测量记录中推断动力系统的隐藏状态与参数,传统粒子马尔可夫链蒙特卡洛方法每来一条新记录、换一种任务都要重跑。这里把隐马尔可夫模型下的系统辨识当作一般贝叶斯反问题,用一次训练的条件扩散模型近似状态与参数的联合后验,部署时只改条件掩码即可完成联合推断、状态平滑、参数推断或补全缺失测量。在四个基准系统上,训练片段五倍长的记录上状态精度保持不变,而稠密注意力的 Simformer 基线状态误差可增长十倍以上。

已读完全部报道