يقدم المؤلفون محاذاة البيانات الضمنية، ويعرفون قانون التحليل على أنه ميل طاقة للتوزيع المتوقع لمعالجة آليات الملاحظة التي تكون متعددة إلى واحدة، ضمنية، أو غير سلسة. يقترحون مرشح التدفق المتحكم به بالتجمع (EnCF)، الذي يحقق هذا التحديث من خلال تدفق متحكم به عشوائي ويتعلم التحكم المعتمد على الملاحظة عن طريق مطابقة المرافق من تدرجات الطاقة الطرفية.
- يتعلم EnCF-LF طاقة شرطية بديلة من العينات للملاحظات المحددة بواسطة المحاكاة.
- تثبت الورقة الدقة المثالية، وتشتت تحليل الخطأ خطوة واحدة، وتثبت عدم تراكم الأخطاء المحلية تحت استقرار المرشح.
- تشير النتائج العددية إلى أنه بينما تظل مرشحات نوع كالمان مفضلة للملاحظات الغاوسية المضافة السلسة، فإن EnCF أكثر ملاءمة لنماذج الملاحظة غير الغاوسية، متعددة إلى واحدة، متعددة القمم، وضمنية.
يوفر هذا النهج بديلاً قابلاً للتطبيق لسيناريوهات محاذاة البيانات حيث تفشل المرشحات التجمعية الموجودة بسبب نقص الهياكل المتبقية أو التوجيه بالاحتمالية.