Scifaro

中文

指数自然粒子滤波器

机器学习 2015-11-24 v1 神经与进化计算机器人学

作者: Ghazal Zand , Mojtaba Taherkhani , Reza Safabakhsh

在 arXiv 上查看 ↗ PDF ↗

摘要

粒子滤波算法（PF）存在一些问题，如粒子多样性丧失、需要大量粒子以及重要性密度函数选择代价高。本文引入一种新颖的指数自然粒子滤波器（xNPF）以解决上述问题。该方法提出了一种利用自然梯度学习的状态转移概率，更鲁棒地平衡探索与利用。结果表明，xNPF比其他最先进的粒子滤波器更接近真实目标状态收敛。

关键词

指数自然粒子滤波器粒子滤波自然梯度学习状态转移概率粒子多样性状态估计

引用

@article{arxiv.1511.06603,
  title  = {Exponential Natural Particle Filter},
  author = {Ghazal Zand and Mojtaba Taherkhani and Reza Safabakhsh},
  journal= {arXiv preprint arXiv:1511.06603},
  year   = {2015}
}