集合卡尔曼更新是一种经验 Matheron 更新
The Ensemble Kalman Update is an Empirical Matheron Update
AI总结：
本文揭示集合卡尔曼滤波的更新步骤等价于高斯过程回归中 Matheron 更新的经验版本，并简明介绍这一联系及相关定义。
摘要：
集合卡尔曼滤波（EnKF）是高维系统中广泛使用的数据同化方法，其集合更新步骤等价于高斯过程回归中流行的 Matheron 更新的经验版本——这一联系将半个世纪的数据同化工程与现代路径式 GP 采样联系起来。本文对这一简单但未被充分利用的联系进行了简明介绍，并给出了所有相关领域均可理解的必要定义。源代码可在 https://github.com/danmackinlay/paper_matheron_equals_enkf 获取。
英文摘要：
The Ensemble Kalman Filter (EnKF) is a widely used method for data assimilation in high-dimensional systems, with an ensemble update step equivalent to an empirical version of the Matheron update popular in Gaussian process regression -- a connection that links half a century of data-assimilation engineering to modern path-wise GP sampling. This paper provides a compact introduction to this simple but under-exploited connection, with necessary definitions accessible to all fields involved. Source code is available at https://github.com/danmackinlay/paper_matheron_equals_enkf .
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
