تعلم تقدير مسارات تنعيم الجسيمات عبر نماذج التوليد الانتشارية

يعد تعلم الأنظمة الديناميكية من الملاحظات المتناثرة أمرًا بالغ الأهمية في العديد من المجالات، بما في ذلك البيولوجيا والمالية والفيزياء. حتى لو كان معالجة مثل هذه المشاكل أمرًا قياسيًا في دمج المعلومات بشكل عام، إلا أنه لا يزال تحديًا لنماذج التعلم الآلي المعاصرة، مثل نماذج الانتشار. نقدم طريقة تدمج بين تصفية الجسيمات الشرطية وأخذ العينات السلفية ونماذج الانتشار، مما يمكّن من توليد مسارات واقعية تتماشى مع البيانات الملاحظة. تستخدم نهجنا مُسهلاً يعتمد على تكرار مُرشِّح الجسيمات الشرطية مع أخذ العينات السلفية لتوليد مسارات معقولة تتناسب مع الهامش الملاحظ أولاً، وتتعلم نموذج الانتشار المقابل. يوفر هذا النهج طريقة توليد لكل من المسارات عالية الجودة والمُنعمة تحت قيود معقدة، وتقديرًا فعالًا لتوزيع تلطيف الجسيمات لمشاكل التتبع التقليدية. نعرض هذا النهج في مهام توليد السلاسل الزمنية والتداخل، بما في ذلك تتبع المركبات وبيانات تسلسل RNA لخلايا فردية.