基于逆无迹卡尔曼滤波的反对抗学习
最优化与控制
2023-03-27 v2 系统与控制
信号处理
系统与控制
机器学习
摘要
在反对抗系统中，为推断智能对抗智能体的策略，防御智能体需认知感知对手已收集的关于自身的信息。该问题的已有工作采用线性高斯状态空间模型，并通过设计逆随机滤波器解决此逆认知问题。然而实践中，反对抗系统通常高度非线性。本文通过将逆认知建模为非线性高斯状态空间模型来解决该情形，其中对手采用无迹卡尔曼滤波（UKF）以减小线性化误差来估计防御方状态。为估计对手对防御方的估计，我们提出并发展了逆 UKF（IUKF）系统。随后我们推导了 IUKF 在均方有界意义下随机稳定性的理论保证。多个实际应用的数值实验表明，IUKF 的估计误差收敛并紧密跟随递归 Cramér-Rao 下界。
引用
@article{arxiv.2210.00359,
title = {Counter-Adversarial Learning with Inverse Unscented Kalman Filter},
author = {Himali Singh and Kumar Vijay Mishra and Arpan Chattopadhyay},
journal= {arXiv preprint arXiv:2210.00359},
year = {2023}
}
备注
6 pages, 1 figure