論文の概要: Probabilistic Performance-Pattern Decomposition (PPPD): analysis
framework and applications to stochastic mechanical systems
- arxiv url: http://arxiv.org/abs/2003.02205v1
- Date: Wed, 4 Mar 2020 17:18:43 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-26 12:50:54.686317
- Title: Probabilistic Performance-Pattern Decomposition (PPPD): analysis
framework and applications to stochastic mechanical systems
- Title（参考訳）: Probabilistic Performance-Pattern Decomposition (PPPD):解析フレームワークと確率力学系への応用
- Authors: Ziqi Wang, Marco Broccardo, Junho Song
- Abstract要約: 本稿では,システムの挙動に関する構造的特徴を得るための枠組みを提案する。
このフレームワークは Probabilistic Performance-Pattern Decomposition (PPPD) と名付けられた。
- 参考スコア（独自算出の注目度）: 8.975760915194765
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Since the early 1900s, numerous research efforts have been devoted to
developing quantitative solutions to stochastic mechanical systems. In general,
the problem is perceived as solved when a complete or partial probabilistic
description on the quantity of interest (QoI) is determined. However, in the
presence of complex system behavior, there is a critical need to go beyond mere
probabilistic descriptions. In fact, to gain a full understanding of the
system, it is crucial to extract physical characterizations from the
probabilistic structure of the QoI, especially when the QoI solution is
obtained in a data-driven fashion. Motivated by this perspective, the paper
proposes a framework to obtain structuralized characterizations on behaviors of
stochastic systems. The framework is named Probabilistic Performance-Pattern
Decomposition (PPPD). PPPD analysis aims to decompose complex response
behaviors, conditional to a prescribed performance state, into meaningful
patterns in the space of system responses, and to investigate how the patterns
are triggered in the space of basic random variables. To illustrate the
application of PPPD, the paper studies three numerical examples: 1) an
illustrative example with hypothetical stochastic processes input and output;
2) a stochastic Lorenz system with periodic as well as chaotic behaviors; and
3) a simplified shear-building model subjected to a stochastic ground motion
excitation.
- Abstract（参考訳）: 1900年代初期から、確率力学系の定量的解法の開発に多くの研究が費やされてきた。
一般に、関心量(QoI)に関する完全または部分確率的な記述が決定されると、この問題は解決される。
しかしながら、複雑なシステム動作が存在する場合には、単なる確率的記述以上のものが必要となる。
実際、システムの完全な理解を得るためには、特にqoi溶液がデータ駆動の方法で得られる場合、qoiの確率的構造から物理的特徴を抽出することが重要である。
この観点から,確率システムの挙動に関する構造的特徴を得るための枠組みを提案する。
このフレームワークはProbabilistic Performance-Pattern Decomposition (PPPD)と名付けられた。
PPPD解析は, 複雑な応答挙動を, 所定の性能状態に条件付きで分解し, システム応答空間における意味あるパターンに分解し, 基本確率変数空間におけるパターンがどのように引き起こされるかを調べることを目的とする。
本論文は,pppdの適用例を示すため,以下の3つの数値例を考察する。
1) 仮説確率過程の入力及び出力に関する説明例
2) 周期的かつカオス的な行動を有する確率論的ローレンツシステム,及び
3) 確率的地盤運動励起を受ける簡易せん断構造モデル。
関連論文リスト
- Logistic-beta processes for dependent random probabilities with beta marginals [58.91121576998588]
本稿では,ロジスティック・ベータプロセスと呼ばれる新しいプロセスを提案する。
空間や時間などの離散領域と連続領域の両方への依存をモデル化でき、相関カーネルを通じて柔軟な依存構造を持つ。
本研究は,非パラメトリック二分回帰と条件密度推定の例による効果をシミュレーション研究と妊娠結果応用の両方で説明する。
論文 参考訳（メタデータ） (2024-02-10T21:41:32Z) - Predictive complexity of quantum subsystems [0.0]
我々は、異なるサブシステムからなる量子系の予測状態と予測複雑性を定義する。
予測は、外部ヒルベルト空間における状態ベクトルの同値類によって形成される。
また、長い範囲の絡み合いと短い範囲の絡み合いを区別できる局所順序パラメータとしても機能する。
論文 参考訳（メタデータ） (2023-09-26T18:58:56Z) - An information field theory approach to Bayesian state and parameter estimation in dynamical systems [0.0]
本稿では、連続時間決定論的力学系に適した状態とパラメータ推定のためのスケーラブルなベイズ的手法を開発する。
システム応答の関数空間に物理インフォームドされた事前確率測度を構築し、物理を満たす関数がより高い確率で現れるようにする。
論文 参考訳（メタデータ） (2023-06-03T16:36:43Z) - On the Benefits of Leveraging Structural Information in Planning Over
the Learned Model [3.3512508970931236]
本稿では, サンプルの複雑さを低減させる手法として, システム構造情報を活用する利点について検討する。
分析の結果,モデルの構造的情報を活用することで,サンプルの複雑さを大幅に削減できることが示唆された。
論文 参考訳（メタデータ） (2023-03-15T18:18:01Z) - Measure-Theoretic Probability of Complex Co-occurrence and E-Integral [15.263586201516159]
E積分と呼ばれる自然積分のクラスの振る舞いは、共起の条件付き確率に基づいて研究される。
本稿では,基本的測度理論概念としてのE積分を出発点とする,新しい測度理論フレームワークを提案する。
論文 参考訳（メタデータ） (2022-10-18T14:52:23Z) - PAC Reinforcement Learning for Predictive State Representations [60.00237613646686]
部分的に観察可能な力学系におけるオンライン強化学習(RL)について検討する。
我々は、他のよく知られたモデルをキャプチャする表現モデルである予測状態表現(PSR)モデルに焦点を当てる。
我々は,サンプル複雑性のスケーリングにおいて,ほぼ最適なポリシを学習可能な,PSRのための新しいモデルベースアルゴリズムを開発した。
論文 参考訳（メタデータ） (2022-07-12T17:57:17Z) - Capturing Actionable Dynamics with Structured Latent Ordinary
Differential Equations [68.62843292346813]
本稿では,その潜在表現内でのシステム入力の変動をキャプチャする構造付き潜在ODEモデルを提案する。
静的変数仕様に基づいて,本モデルではシステムへの入力毎の変動要因を学習し,潜在空間におけるシステム入力の影響を分離する。
論文 参考訳（メタデータ） (2022-02-25T20:00:56Z) - Probabilistic modeling of discrete structural response with application
to composite plate penetration models [0.0]
本稿では,S-2ガラス/SC-15エポキシ複合板の弾道衝撃下での確率的浸透応答生成のための計算フレームワークの開発について述べる。
適応的なドメインベース分解・分類法とスパースグリッドサンプリングを併用して、そのような離散出力に対する効率的な分類代理モデリングアルゴリズムを開発する。
論文 参考訳（メタデータ） (2020-11-23T22:45:09Z) - Stein Variational Model Predictive Control [130.60527864489168]
不確実性の下での意思決定は、現実の自律システムにとって極めて重要である。
モデル予測制御 (MPC) 法は, 複雑な分布を扱う場合, 適用範囲が限られている。
この枠組みが、挑戦的で非最適な制御問題における計画の成功に繋がることを示す。
論文 参考訳（メタデータ） (2020-11-15T22:36:59Z) - Stochastically forced ensemble dynamic mode decomposition for
forecasting and analysis of near-periodic systems [65.44033635330604]
本稿では,観測力学を強制線形系としてモデル化した新しい負荷予測手法を提案する。
固有線型力学の利用は、解釈可能性やパーシモニーの観点から、多くの望ましい性質を提供することを示す。
電力グリッドからの負荷データを用いたテストケースの結果が提示される。
論文 参考訳（メタデータ） (2020-10-08T20:25:52Z) - Multiplicative noise and heavy tails in stochastic optimization [62.993432503309485]
経験的最適化は現代の機械学習の中心であるが、その成功における役割はまだ不明である。
分散による離散乗法雑音のパラメータによく現れることを示す。
最新のステップサイズやデータを含む重要な要素について、詳細な分析を行い、いずれも最先端のニューラルネットワークモデルで同様の結果を示す。
論文 参考訳（メタデータ） (2020-06-11T09:58:01Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。