저자들은 관측 메커니즘이 다대일, 암시적 또는 비매끄러운 경우를 처리하기 위해 분석 법을 예측 분포의 에너지 기울기로 정의하는 암시적 데이터 동화를 도입합니다. 그들은 이 업데이트를 확률적 제어 흐름으로 실현하고 종단 에너지 기울로부터의 수반 매칭을 통해 관측 의존 제어를 학습하는 앙상블 제어 흐름 필터 (EnCF) 를 제안합니다.
- EnCF-LF 는 시뮬레이터 정의 관측을 위한 샘플로부터 대리 조건 에너지를 학습합니다.
- 논문은 이상적인 정확성을 증명하고, 1단계 오차 분해를 유도하며, 필터 안정성 하에서 국소 오차의 비축적을 확립합니다.
- 수치 결과는 칼만 유형 필터가 매끄러운 가산 가우시안 관측에 대해 여전히 선호되는 반면, EnCF 는 비가우시안, 다대일, 다봉성 및 암시적 관측 모델에 더 적합함을 나타냅니다.
이 접근법은 잔차 구조나 우도 가이드의 부재로 인해 기존 앙상블 필터가 실패하는 데이터 동화 시나리오에 대해 실현 가능한 대안을 제공합니다.