用于变分序贯蒙特卡罗的可微系统重采样

arXiv:2610.12094v1 公告类型：cross 摘要：粒子滤波器是非线性状态估计的标准工具，但其重采样步骤是离散的，从而阻碍了在变分序贯蒙特卡罗中进行基于梯度的学习。我们提出可微系统重采样（Differentiable Systematic Resampling，DSR），这是一种由温度控制的系统重采样松弛方法，在实现完整梯度流的同时，保留了系统重采样基于 CDF 排序的带状结构。当温度趋近于零时，DSR 收敛于精确的系统重采样；我们还证明了其所引入偏差的逐点指数收敛速率。与基于最优传输的可微重采样相比，DSR 无需迭代求解器，计算开销显著更低。在随机动力系统和真实世界手写数据上的实验表明，DSR 在滤波和动力学学习性能方面达到相当或更优的效果。