重新审视可微粒子滤波器的半监督训练目标
机器学习
2024-05-03 v1 机器学习
摘要
可微粒子滤波器结合了神经网络的灵活性与序列蒙特卡罗方法的概率特性。然而，传统方法依赖于标记数据的可用性，即真实隐状态信息，这在实际应用中通常难以获取。本文比较了两种用于可微粒子滤波器的半监督训练目标的有效性。我们在两个标记数据稀缺的模拟环境中给出了结果。
引用
@article{arxiv.2405.01251,
title = {Revisiting semi-supervised training objectives for differentiable particle filters},
author = {Jiaxi Li and John-Joseph Brady and Xiongjie Chen and Yunpeng Li},
journal= {arXiv preprint arXiv:2405.01251},
year = {2024}
}
备注
5 pages, 2 figures