Parameter estimation in non-linear state-space models by automatic differentiation of non-linear kalman filters

Tutkimustuotos: Artikkeli kirjassa/konferenssijulkaisussaConference article in proceedingsScientificvertaisarvioitu

499 Lataukset (Pure)

Abstrakti

In this article, we propose automatic differentiation based methods for parameter estimation in non-linear state-space models. We use extended Kalman filter and cubature Kalman filters for approximating the negative log-likelihood (i.e., the energy function) of the parameter posterior distribution and compute the gradients and Hessians of this function by using automatic differentiation of the filter recursions. The proposed approach enables computing MAP estimates and forming Laplace approximations for the parameter posterior without a need for implementing complicated derivative recursions or manual computation of Jacobians. The methods are demonstrated in parameter estimation problems on a pendulum model and coordinated turn model.

AlkuperäiskieliEnglanti
OtsikkoProceedings of the 2020 IEEE 30th International Workshop on Machine Learning for Signal Processing, MLSP 2020
KustantajaIEEE
Sivumäärä6
ISBN (elektroninen)9781728166629
DOI - pysyväislinkit
TilaJulkaistu - syysk. 2020
OKM-julkaisutyyppiA4 Artikkeli konferenssijulkaisussa
TapahtumaIEEE International Workshop on Machine Learning for Signal Processing - Aalto University, Espoo, Suomi
Kesto: 21 syysk. 202024 syysk. 2020
Konferenssinumero: 30
https://ieeemlsp.cc

Julkaisusarja

NimiIEEE International Workshop on Machine Learning for Signal Processing
KustantajaIEEE
ISSN (painettu)2161-0363
ISSN (elektroninen)2161-0371

Workshop

WorkshopIEEE International Workshop on Machine Learning for Signal Processing
LyhennettäMLSP
Maa/AlueSuomi
KaupunkiEspoo
Ajanjakso21/09/202024/09/2020
www-osoite

Sormenjälki

Sukella tutkimusaiheisiin 'Parameter estimation in non-linear state-space models by automatic differentiation of non-linear kalman filters'. Ne muodostavat yhdessä ainutlaatuisen sormenjäljen.

Siteeraa tätä