кто не использует нейросеть проиграл\

не ну так я тоже могу, но это неспортивно. К тому же, быстрое решение тогда будет толстым по запросам к количеству кремния, а точному не поверят академики.

и никаких нейронных сетей)

эм

про него же в вопросе упомянали

Причём меня интересуют и быстрые алгоритмы в духе обобщённого Калмана, и точные в духе каких-нибудь многомерных регрессий

А так

19 июня 2018 это достаточно современно?


HybridNet: Integrating Model-based and Data-driven Learning to Predict Evolution of Dynamical Systems
https://arxiv.org/abs/1806.07439
Yun Long, Xueyuan She, Saibal Mukhopadhyay

(Submitted on 19 Jun 2018)
The robotic systems continuously interact with complex dynamical systems in the physical world. Reliable predictions of spatiotemporal evolution of these dynamical systems, with limited knowledge of system dynamics, are crucial for autonomous operation. In this paper, we present HybridNet, a framework that integrates data-driven deep learning and model-driven computation to reliably predict spatiotemporal evolution of a dynamical systems even with in-exact knowledge of their parameters. A data-driven deep neural network (DNN) with Convolutional LSTM (ConvLSTM) as the backbone is employed to predict the time-varying evolution of the external forces/perturbations. On the other hand, the model-driven computation is performed using Cellular Neural Network (CeNN), a neuro-inspired algorithm to model dynamical systems defined by coupled partial differential equations (PDEs). CeNN converts the intricate numerical computation into a series of convolution operations, enabling a trainable PDE solver. With a feedback control loop, HybridNet can learn the physical parameters governing the system's dynamics in real-time, and accordingly adapt the computation models to enhance prediction accuracy for time-evolving dynamical systems. The experimental results on two dynamical systems, namely, heat convection-diffusion system, and fluid dynamical system, demonstrate that the HybridNet produces higher accuracy than the state-of-the-art deep learning based approach.

Спасибо почитаю внимательно

🎩

Однако нейронка все равно но вроде не совсем топорная

а, ну это я как всегда ответил на вопрос, не дочитав до конца ><

впрочем, имхо, для систем с небольшой размерностью ничего лучше старого доброго KF все еще не придумали

Ну вот я точно ещё не проверил, но вроде бы именно такая задача имеет не то квадрат не то тригонометрию и чистый калман формально не должен быть применим а обобщенный имеет некоторые перспективы оптимизации явго

Так, а тебе нужно решение в реальном времени или нужно в оффлайне восстановить траекторию по телеметрии?

если первое, то вот тут именно такую задачу решают, если я правильно понимаю: https://www.sciencedirect.com/science/article/pii/S1665642314700963

Ты тоже из ЦАГИ что-ли?

и можно дальше гуглить по ключевым словам GPS-aided INS

ЦАГИ?