Kernel learning backward SDE filter for data assimilation
Kernel learning backward SDE filter for data assimilation
复制标题
用于数据同化的内核学习向后 SDE 滤波器
DOI：
10.1016/j.jcp.2022.111009
复制
发表时间：
2022
影响因子：
4.1
通讯作者：
Bao, Feng
中科院分区：
文献类型：
--
作者：
Archibald, Richard;Bao, Feng
本文提出了一种核学习后向SDE滤波方法，利用随机动力系统的部分噪声观测值估计系统的状态。利用正向倒向随机微分方程系统来传播目标动力学模型的状态，并利用贝叶斯推理来整合观测信息。为了在整个状态空间中表征动态模型，我们引入核学习方法，以离散的近似密度值作为训练数据，学习目标状态的条件概率密度函数的连续全局逼近。数值实验证明了该算法的有效性。
In this paper, we develop a kernel learning backward SDE filter method to estimate the state of a stochastic dynamical system based on its partial noisy observations. A system of forward backward stochastic differential equations is used to propagate the state of the target dynamical model, and Bayesian inference is applied to incorporate the observational information. To characterize the dynamical model in the entire state space, we introduce a kernel learning method to learn a continuous global approximation for the conditional probability density function of the target state by using discrete approximated density values as training data. Numerical experiments demonstrate that the kernel learning backward SDE is highly effective.
影响因子：
9.4
作者：
O. Dyck;M. Ziatdinov;S. Jesse;F. Bao;A. Nobakht;A. Maksov;B. Sumpter;R. Archibald;K. Law;Sergei V. Kalinin
通讯作者：
O. Dyck;M. Ziatdinov;S. Jesse;F. Bao;A. Nobakht;A. Maksov;B. Sumpter;R. Archibald;K. Law;Sergei V. Kalinin
DOI：
--
发表时间：
2005
期刊：
Sugaku Expositions, Amer. Math. Soc. Vol.18
影响因子：
--
作者：
S. Kanagawa;S. Ogawa
通讯作者：
S. Ogawa
资料同化
DOI：
10.11499/sicejl.56.656
发表时间：
2017
期刊：
Journal of The Society of Instrument and Control Engineers
影响因子：
--
作者：
河本高文;二木厚吉;吉岡 信和;福元 豊，大塚 悟;上野 玄太
通讯作者：
上野 玄太