論文の概要: Deep Learning for Posture Control Nonlinear Model System and Noise
Identification
- arxiv url: http://arxiv.org/abs/2006.04515v1
- Date: Thu, 4 Jun 2020 19:34:24 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-25 09:51:03.401035
- Title: Deep Learning for Posture Control Nonlinear Model System and Noise
Identification
- Title(参考訳): 姿勢制御非線形モデルシステムのための深層学習と雑音同定
- Authors: Vittorio Lippi, Thomas Mergner, Christoph Maurer
- Abstract要約: 本稿では,人間の姿勢制御モデルのための畳み込みニューラルネットワーク(CNN)に基づくシステム識別手法を提案する。
ヒューマノイド法の可能性についても論じる。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this work we present a system identification procedure based on
Convolutional Neural Networks (CNN) for human posture control models. A usual
approach to the study of human posture control consists in the identification
of parameters for a control system. In this context, linear models are
particularly popular due to the relative simplicity in identifying the required
parameters and to analyze the results. Nonlinear models, conversely, are
required to predict the real behavior exhibited by human subjects and hence it
is desirable to use them in posture control analysis. The use of CNN aims to
overcome the heavy computational requirement for the identification of
nonlinear models, in order to make the analysis of experimental data less time
consuming and, in perspective, to make such analysis feasible in the context of
clinical tests. Some potential implications of the method for humanoid robotics
are also discussed.
- Abstract(参考訳): 本研究では,人間の姿勢制御モデルのための畳み込みニューラルネットワーク(CNN)に基づくシステム識別手法を提案する。
人間の姿勢制御の研究における一般的なアプローチは、制御系のパラメータの同定である。
この文脈では、線形モデルは、必要なパラメータの識別と結果の解析が比較的単純であるため、特に人気がある。
逆に, 非線形モデルは, 被験者の実際の行動を予測するために必要であり, 姿勢制御解析に活用することが望ましい。
cnnの使用は, 実験データの解析に要する時間を減らし, 臨床検査の文脈でその解析を可能とするために, 非線形モデルの同定に対する重い計算要求を克服することを目的としている。
ヒューマノイドロボットの手法の潜在的意義についても考察する。
関連論文リスト
- Data-driven Nonlinear Model Reduction using Koopman Theory: Integrated
Control Form and NMPC Case Study [56.283944756315066]
そこで本研究では,遅延座標符号化と全状態復号化を組み合わせた汎用モデル構造を提案し,Koopmanモデリングと状態推定を統合した。
ケーススタディでは,本手法が正確な制御モデルを提供し,高純度極低温蒸留塔のリアルタイム非線形予測制御を可能にすることを実証している。
論文 参考訳(メタデータ) (2024-01-09T11:54:54Z) - QXAI: Explainable AI Framework for Quantitative Analysis in Patient
Monitoring Systems [9.29069202652354]
定量的分析のための説明可能なAI(QXAI)フレームワークは、回帰および分類タスクのポストホックモデル説明可能性と本質的な説明可能性によって提案される。
我々は,センサデータに基づく心拍数予測と身体活動の分類を行うために,人工ニューラルネットワーク (ANN) と注意に基づく双方向LSTM (BiLSTM) モデルを採用した。
論文 参考訳(メタデータ) (2023-09-19T03:50:30Z) - End-to-End Reinforcement Learning of Koopman Models for Economic
Nonlinear Model Predictive Control [50.0791489606211]
非線形モデル予測制御((e)NMPC)は、すべての状態空間領域において十分正確なシステムモデルを必要とする。
メカニスティックモデルのためのデータ駆動サロゲートモデルは、(e)NMPCの計算負担を軽減するために使用できる。
In this method for end-to-end reinforcement learning of dynamic surrogate model for optimal performance in (e)NMPC applications。
論文 参考訳(メタデータ) (2023-08-03T10:21:53Z) - How neural networks learn to classify chaotic time series [77.34726150561087]
本研究では,通常の逆カオス時系列を分類するために訓練されたニューラルネットワークの内部動作について検討する。
入力周期性とアクティベーション周期の関係は,LKCNNモデルの性能向上の鍵となる。
論文 参考訳(メタデータ) (2023-06-04T08:53:27Z) - Analysis of Numerical Integration in RNN-Based Residuals for Fault
Diagnosis of Dynamic Systems [0.6999740786886536]
本論文は,重度トラックの後処理システムの事例スタディを含み,これらの技術が故障診断性能を向上させる可能性を明らかにする。
データ駆動モデリングと機械学習は、動的システムの振る舞いをモデル化するために広く使われている。
論文 参考訳(メタデータ) (2023-05-08T12:48:18Z) - Dynamically-Scaled Deep Canonical Correlation Analysis [77.34726150561087]
カノニカル相関解析 (CCA) は, 2つのビューの特徴抽出手法である。
本稿では,入力依存の正準相関モデルをトレーニングするための新しい動的スケーリング手法を提案する。
論文 参考訳(メタデータ) (2022-03-23T12:52:49Z) - Mixed Effects Neural ODE: A Variational Approximation for Analyzing the
Dynamics of Panel Data [50.23363975709122]
パネルデータ解析に(固定・ランダムな)混合効果を取り入れたME-NODEという確率モデルを提案する。
我々は、Wong-Zakai定理によって提供されるSDEの滑らかな近似を用いて、我々のモデルを導出できることを示す。
次に、ME-NODEのためのエビデンスに基づく下界を導出し、(効率的な)トレーニングアルゴリズムを開発する。
論文 参考訳(メタデータ) (2022-02-18T22:41:51Z) - MLDS: A Dataset for Weight-Space Analysis of Neural Networks [0.0]
MLDSは、注意深く制御されたパラメータを持つ何千ものトレーニングニューラルネットワークからなる新しいデータセットである。
このデータセットは、モデル-to-modelとモデル-to-training-data関係に関する新たな洞察を可能にする。
論文 参考訳(メタデータ) (2021-04-21T14:24:26Z) - The Importance of Models in Data Analysis with Small Human Movement
Datasets -- Inspirations from Neurorobotics Applied to Posture Control of
Humanoids and Humans [0.0]
本研究では,DECパラメトリックモデルを用いた姿勢制御のための畳み込みニューラルネットワーク(CNN)に基づくシステム同定手法を提案する。
提案した制御モデルのモジュラ構造は、異なる自由度を制御するモジュールのパラメータを特定するために同じニューラルネットワークを使用するという意味で、モジュール識別手順の設計にインスピレーションを与えた。
論文 参考訳(メタデータ) (2021-02-04T11:02:11Z) - Neural Dynamic Mode Decomposition for End-to-End Modeling of Nonlinear
Dynamics [49.41640137945938]
ニューラルネットワークに基づくリフト関数を推定するためのニューラルダイナミックモード分解法を提案する。
提案手法により,予測誤差はニューラルネットワークとスペクトル分解によって逆伝搬される。
提案手法の有効性を,固有値推定と予測性能の観点から実証した。
論文 参考訳(メタデータ) (2020-12-11T08:34:26Z) - LSTM for Model-Based Anomaly Detection in Cyber-Physical Systems [4.020523898765404]
異常検出は、与えられたコンテキストにおけるシステムの通常の振る舞いとは異なるデータを検出するタスクである。
LSTM(Long Short-Term Memory)ニューラルネットワークは、時系列を学習するのに特に有用であることが示されている。
私たちは、人工データと実データに対するアプローチを分析します。
論文 参考訳(メタデータ) (2020-10-29T15:26:08Z)
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。