Оценка состояния агента с динамикой стохастического характера с помощью рекуррентных фильтров

В работе представлен метод оценки состояния агента многоагентной биологической системы по зашумленным измерениям с помощью рекуррентных фильтров. Рассмотрена проблема масштабируемости существующих подходов к регистрации поведения лабораторных грызунов и отсутствия единого математического описания. Приведено математическое описание агента биологической системы как нелинейной дискретной стохастической системы в пространстве состояний и постановка задачи оценки его состояния. Представлено решение поставленной задачи на примере ключевых точек крысы линии Wistar, которые измеряются с помощью предварительно обученного детектора. В работе предлагается использовать полносвязную нейронную сеть для параметризации неизвестной динамики системы. Для сравнительного анализа выбраны фильтр частиц (последовательный метод Монте-Карло) и ансцентный фильтр Калмана. Сравнение методов производилось на собранном и подготовленном наборе данных, который содержит изображения с разрешением 1060×548 и разметку скелетных точек крысы. Представленные результаты экспериментов по сравнению методов оценки состояния показывают высокую эффективность предложенного метода и его преимущество перед аналитическим описанием нелинейной динамики системы. Среди сравниваемых подходов минимальную среднюю ошибку 6,4 пикселей показала двойная оценка вектора состояния и параметров нейронной сети с помощью двух ансцентных фильтров Калмана. Однако для практического применения в реальном времени больше подходит один фильтр с предварительно обученной нейронной сетью. В таких условиях ансцентный фильтр Калмана показал лучшие результаты по точности, чем фильтр частиц (средняя ошибка 8,1 пикселя против 12,0 пикселей). Результаты работы могут быть использованы для решения задачи автоматической регистрации поведения крыс линии Wistar с помощью параметризации функций, связывающих векторы состояния с выходными векторами индивидуального и группового поведения.