在线滚动受控序列蒙特卡罗
机器学习
2025-08-04 v1 计算与语言
摘要
我们提出了一种用于一般状态空间隐马尔可夫模型中实时推断的方法。具体而言，我们通过滚动窗口机制，将最近用于离线平滑的受控序列蒙特卡罗（CSMC）方法扩展到在线设置。我们新提出的在线滚动受控序列蒙特卡罗（ORCSMC）算法使用两个粒子系统同时估计扭转函数并执行过滤，确保对新观察值的实时适应性，同时保持受限的计算成本。在线性高斯、随机波动率和神经科学模型上的数值结果表明，与标准粒子滤波方法相比，此方法在更高维度下实现了更好的估计精度和鲁棒性。该方法为复杂潜变量模型中的序列和实时推断提供了一个统计上高效且实用的解决方案。
引用
@article{arxiv.2508.00695,
title = {Classification of Psychiatry Clinical Notes by Diagnosis: A Deep Learning and Machine Learning Approach},
author = {Sergio Rubio-Martín and María Teresa García-Ordás and Antonio Serrano-García and Clara Margarita Franch-Pato and Arturo Crespo-Álvaro and José Alberto Benítez-Andrades},
journal= {arXiv preprint arXiv:2508.00695},
year = {2025}
}