UnHiPPO：面向不确定性的状态空间模型初始化方法

状态空间模型正在成为解决序列问题的主流模型类别，许多模型依赖于HiPPO框架来初始化其动态。然而，HiPPO框架根本假设数据是无噪声的，而这一假设在实际应用中常常被违背。我们扩展了HiPPO理论，考虑了测量噪声，并推导出一种面向不确定性的状态空间模型动态初始化方法。在我们的分析中，我们将HiPPO解释为一个线性随机控制问题，其中数据作为无噪声的控制信号输入。然后，我们将问题重新表述，使得数据成为潜在系统的噪声输出，并得出一种替代的动态初始化方法，该方法从数据中推断潜在系统的后验分布，而不会增加计算时间。我们的实验表明，我们的初始化方法提高了状态空间模型对噪声的抗干扰能力，无论是在训练还是推理阶段。