正規化フローによるアンサンブルガウス混合フィルタのリサンプリングにおける識別器学習
arXiv cs.LG / 2026/5/5
📰 ニュースIdeas & Deep AnalysisModels & Research
要点
- この論文は、アンサンブルガウス混合フィルタ（EnGMF）の重要な弱点である「リサンプリングで物理的に不 plausible な後方粒子が生成され、その結果予測が劣化する」点に焦点を当てています。
- 物理的なもっともらしさに基づいて候補粒子を受理／却下する、識別器を用いたリサンプリング手法（discriminator-informed resampling）を提案します。
- 識別器は正規化フローを用いて学習され、分布モデリングと物理的妥当性チェックを統合します。
- Ikeda map と Lorenz ’63 での数値実験では、特にアンサンブル数が少ない状況で標準の EnGMF よりも誤差が一貫して低下することが示されています。
