机器学习增强粒子滤波：神经最优粒子滤波器 NOPF
针对序列推断中粒子滤波器（PF）样本效率低及高维扩展性差的问题，研究人员提出了神经最优粒子滤波器（NOPF）。该方法将学习到的提议分布整合入粒子滤波框架中，通过离线模拟的一步条件元组来学习最优提议分布的摊销近似，有效缓解了传统蒙特卡洛方法在非最优提议分布下的退化问题，提升了状态估计的精度与效率。
推荐理由将神经网络引入经典粒子滤波以优化重要性采样提议分布，属于细分领域的算法理论改进。
原标题：Learning to Bias: Machine Learning-Enhanced Particle Filters
阅读 arXiv 机器学习 原文 ↗