Twisted particle filters
扭曲粒子滤波器AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要直接研究隐马尔可夫动态模型的粒子滤波及随时间增长的估计方差。
反馈分类问题正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
扭曲粒子滤波器
- 研究问题
- 研究隐马尔可夫模型中粒子算法的采样规律如何影响边际似然估计效率，以及能否控制方差随时间增长的速度。
- 方法与思路
- 作者在广泛候选转移核中按长期方差增长准则刻画最优核，由此构造扭曲粒子滤波器，并分析粒子数增大的渐近性质。
- 材料陈述的贡献
- 摘要称刻画了本质唯一的最优转移核族，并提出扭曲粒子滤波器；采样结构的小幅改变可显著改变估计波动性质。
- 阅读关注点
- 阅读全文时应核对最优性准则、候选核的范围和可实现性，并区分时间增长与粒子数增长两种渐近框架。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要，无法判断最优核的计算要求、具体方差收益及有限样本表现，也不能推断刊本变化。
原文摘要
We investigate sampling laws for particle algorithms and the influence of these laws on the efficiency of particle approximations of marginal likelihoods in hidden Markov models. Among a broad class of candidates we characterize the essentially unique family of particle system transition kernels which is optimal with respect to an asymptotic-in-time variance growth rate criterion. The sampling structure of the algorithm defined by these optimal transitions turns out to be only subtly different from standard algorithms and yet the fluctuation properties of the estimates it provides can be dramatically different. The structure of the optimal transition suggests a new class of algorithms, which we term “twisted” particle filters and which we validate with asymptotic analysis of a more traditional nature, in the regime where the number of particles tends to infinity.