稳定性增强型高斯过程变分自编码器
机器学习
2026-04-13 v1 系统与控制
系统与控制
摘要
提出一种新颖的稳定性增强型高斯过程变分自编码器 (SEGP-VAE)，用于间接地从高维视频数据中训练低维线性时不变 (LTI) 系统。推导了 SEGP 先验的均值和协方差函数，基于 LTI 系统的定义，使 SEGP 能够捕捉通过结合概率模型和可解释物理模型所间接观察到的潜在过程。通过对 LTI 参数的搜索空间限制在半收缩系统集合内，并采用完整且无约束的参数化方式，SEGP-VAE 可使用无约束优化算法进行训练。进一步，该参数化方式防止了非 Hurwitz 状态矩阵导致的数值问题。案例研究将 SEGP-VAE 应用于包含螺旋粒子视频的数据集。这凸显了该方法的优势以及实现准确潜在状态预测所需的特定设计选择。
引用
@article{arxiv.2604.09331,
title = {Stability Enhanced Gaussian Process Variational Autoencoders},
author = {Carl R. Richardson and Jichen Zhang and Ethan King and Ján Drgoňa},
journal= {arXiv preprint arXiv:2604.09331},
year = {2026}
}