研究者提出免训练自适应集成条件分数滤波AECSF

Yangwen Zhang等研究者提出免训练的自适应集成条件分数滤波方法AECSF，用于高维非线性数据同化。该方法基于条件Tweedie恒等式构建可解析求解的分数估计器，把含噪后验分数估计转化为条件均值估计，并采用共享自适应加权提议集成，利用反向粒子信息在同一轮反向扩散中更新，无需单独采样即可为每个含噪反向粒子给出估计。 数值实验显示，在预报集成规模有限的高维问题中，AECSF提升了后验采样与非线性滤波精度。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。