オンライン汎用予測コーディング
arXiv stat.ML / 2026/5/5
📰 ニュースSignals & Early TrendsIdeas & Deep AnalysisModels & Research
要点
- 本論文は、潜在状態の推定、未知モデルパラメータの学習、不確実性推定を統合して同時に行う「トリプル推定」枠組みとして、汎用フィルタリングをオンライン適用向けに拡張することを提案している。
- 時間スケールを分離することでDynamic Expectation Maximisation（DEM）をオンラインデータ同化へ最適化し、パラメータと精度の緩やかな更新と、隠れ状態の高速なベイズ更新を両立できるようにしている。
- オンラインDEM（ODEM）を実行するための変分原理と手順を提示している。
- 数値実験により、ODEMが、非線形で（場合によっては）カオス的な生成過程に対して潜在状態を追跡できること、さらに同化モデルの関数形が真のダイナミクスと根本的に異なっていても追跡できることを示している。
- 本手法は、神経模倣型の予測コーディングという観点から、動的環境におけるオンライン推論・学習・不確実性推定の生物学的着想に基づく解決策として位置づけられている。
