Effiziente Methode zum Lernen und Generieren von zeitlichen Trajektorien durch variationelle Stichprobenentnahme

Unser Ansatz ermöglicht es, die Verteilung von zeitlichen Trajektorien zu lernen, indem die Übergangsfunktion f explizit als Element in einem Funktionsraum parametrisiert wird. Dies ermöglicht eine effiziente Synthese neuartiger Trajektorien und bietet gleichzeitig ein praktisches Werkzeug für die Inferenz, d.h. Unsicherheitsschätzung, Likelihood-Auswertungen und die Erkennung von Trajektorien außerhalb der Verteilung.