[論文レビュー] Gaussian Conditionally Markov Sequences: Singular/Nonsingular

Reza Rezaie, X. Rong Li|arXiv (Cornell University)|Oct 27, 2019

Data Management and Algorithms被引用数 8

ひとこと要約

本稿では、一般（特異的および非特異的）ガウス的条件付きマルコフ（CM）系列（包括的マルコフ過程および逆過程を含む）の動的モデルを、単一の枠組みに統合することで開発する。特異的ガウス的逆過程のための最初の動的モデルを提供し、CMの視点が、目的地制約付きの軌道モデリングなど、より広範な応用を可能にする利点を示している。

ABSTRACT

Most existing results about modeling and characterizing Gaussian Markov, reciprocal, and conditionally Markov (CM) processes assume nonsingularity of the processes. This assumption makes the analysis easier, but restricts application of these processes. This paper studies, models, and characterizes the general (singular/nonsingular) Gaussian CM (including reciprocal and Markov) sequence. For example, to our knowledge, there is no dynamic model for the general (singular/nonsingular) Gaussian reciprocal sequence in the literature. We obtain two such models from the CM viewpoint. As a result, the significance of studying reciprocal sequences from the CM viewpoint is demonstrated. The results of this paper unify singular and nonsingular Gaussian CM (including reciprocal and Markov) sequences and provide tools for their application. An application of CM sequences in trajectory modeling with a destination is discussed, and illustrative examples are presented.

研究の動機と目的

• 既存の文献において、一般（特異的／非特異的）ガウス的逆過程の動的モデルが不足しているという問題に取り組む。
• 特異的および非特異的ガウス的条件付きマルコフ（CM）系列（マルコフ過程および逆過程を含む）の特徴付けを統一する。
• CMフレームワークが、非特異的ケースを超えて複雑な確率的系列をモデリングする上で重要な意義を示す。
• 目的地制約付きの確率的過程を含む応用のための実用的ツールを提供する。

提案手法

• CM構造に内在する条件付き独立性の性質を活用して、ガウス的CM系列の動的モデルを導出する。
• ランク不足の共分散構造を分析することで、CMフレームワークを特異的過程に拡張する。
• 条件付きマルコフ性を用いて、特異的および非特異的両ケースに一様に適用可能な状態空間表現を構築する。
• 導出されたモデルを、目的地制約付きの軌道モデリング問題に適用し、その実用的有用性を示す。
• 一般ガウス的フレームワーク下で、CM、逆過程、およびマルコフ過程が等価であることを確立する（特異的ケースを含む）。

実験結果

リサーチクエスチョン

• RQ1 一般（特異的および非特異的）ガウス的逆過程のための動的モデルを構築できるか？
• RQ2 条件付きマルコフフレームワークを、特異的ガウス過程に対応可能に拡張する方法は何か？
• RQ3 CMの視点が、マルコフ、逆過程、および一般ガウス的系列を統一的に扱う上で果たす役割は何か？
• RQ4 特異的および非特異的ケースは、動的モデリングおよび共分散構造においてどのように異なるか？
• RQ5 特異的ガウス的CM系列をモデリングすることで、どのような実用的応用が可能になるか？

主な発見

• 本稿は、一般（特異的および非特異的）ガウス的逆過程のための最初の動的モデルを提示し、文献における重要な空白を埋める。
• CMフレームワークが、特異的および非特異的ガウス的マルコフ、逆過程、およびCM系列を統一的にモデル化するものであることを確立する。
• 導出されたモデルは、ランク不足（特異的）ケースを含め、共分散のランクの全範囲にわたり有効である。
• CMの視点により、マルコフおよび逆過程の両方を1つの定式化に統合する一貫した動的表現が可能になる。
• 提案されたモデルを用いて、目的地制約付きの軌道モデリングへの応用が成功裏に実証された。