본 논문은 온라인 애플리케이션을 위한 일반화 필터링의 확장으로, 잠재 상태 추론, 모델 파라미터 학습, 불확실성 추정을 통합하는 프레임워크를 제시합니다.
변동 칼만-부시 필터링, 일반화 예측 코딩, 동적 기댓값 최대화 등 다양한 분야에서 활용되는 이 프레임워크를 시간 척도 분리를 통해 온라인 데이터 동역학 추론에 특화했습니다.
수치 연구를 통해 비선형 생성 모델을 사용하여 ODEM(Online DEM) 방식이 생성 과정의 잠재 상태를 추적할 수 있음을 입증하여 신경생물학적 관점에서 온라인 추론, 학습, 불확실성 추정의 솔루션을 제시합니다.