論文の概要: Optimal Experimental Design for Uncertain Systems Based on Coupled
Differential Equations
- arxiv url: http://arxiv.org/abs/2007.06117v2
- Date: Sun, 28 Mar 2021 02:39:13 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-11 06:14:10.943054
- Title: Optimal Experimental Design for Uncertain Systems Based on Coupled
Differential Equations
- Title(参考訳): 連成微分方程式に基づく不確かさ系の最適実験設計
- Authors: Youngjoon Hong, Bongsuk Kwon, and Byung-Jun Yoon
- Abstract要約: 不確実な倉本モデルに対する最適実験設計問題について考察する。
最適実験の設計における潜在的実験の運用効果の定量化の重要性を示す。
- 参考スコア(独自算出の注目度): 2.6524539020042663
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We consider the optimal experimental design problem for an uncertain Kuramoto
model, which consists of N interacting oscillators described by coupled
ordinary differential equations. The objective is to design experiments that
can effectively reduce the uncertainty present in the coupling strengths
between the oscillators, thereby minimizing the cost of robust control of the
uncertain Kuramoto model. We demonstrate the importance of quantifying the
operational impact of the potential experiments in designing optimal
experiments.
- Abstract(参考訳): 結合常微分方程式により記述されたN相互作用振動子からなる不確実な倉本モデルに対する最適実験設計問題を考える。
本研究の目的は,振動子間の結合強度における不確かさを効果的に低減し,不確実性倉本モデルのロバスト制御コストを最小化することにある。
最適実験の設計における潜在的実験の運用効果の定量化の重要性を示す。
関連論文リスト
- DiscoBAX: Discovery of Optimal Intervention Sets in Genomic Experiment
Design [61.48963555382729]
本研究では,実験1回あたりの有意な発見率を最大化するためのサンプル効率向上手法としてDiscoBAXを提案する。
我々は、標準仮定の下で近似最適性の理論的保証を提供し、包括的な実験評価を行う。
論文 参考訳(メタデータ) (2023-12-07T06:05:39Z) - Machine learning enabled experimental design and parameter estimation
for ultrafast spin dynamics [54.172707311728885]
機械学習とベイズ最適実験設計(BOED)を組み合わせた方法論を提案する。
本手法は,大規模スピンダイナミクスシミュレーションのためのニューラルネットワークモデルを用いて,BOEDの正確な分布と実用計算を行う。
数値ベンチマークでは,XPFS実験の誘導,モデルパラメータの予測,実験時間内でのより情報的な測定を行う上で,本手法の優れた性能を示す。
論文 参考訳(メタデータ) (2023-06-03T06:19:20Z) - Online simulator-based experimental design for cognitive model selection [74.76661199843284]
本稿では,抽出可能な確率を伴わない計算モデルを選択する実験設計手法BOSMOSを提案する。
シミュレーション実験では,提案手法により,既存のLFI手法に比べて最大2桁の精度でモデルを選択することができることを示した。
論文 参考訳(メタデータ) (2023-03-03T21:41:01Z) - Design Amortization for Bayesian Optimal Experimental Design [70.13948372218849]
予測情報ゲイン(EIG)のバウンダリに関してパラメータ化された変分モデルを最適化する。
実験者が1つの変分モデルを最適化し、潜在的に無限に多くの設計に対してEIGを推定できる新しいニューラルアーキテクチャを提案する。
論文 参考訳(メタデータ) (2022-10-07T02:12:34Z) - Synthetically Controlled Bandits [2.8292841621378844]
本稿では, 干渉などの問題により, 実験ユニットが粗い環境において, 実験設計のための新しい動的アプローチを提案する。
SCTS(Synthetically Controlled Thompson Smpling)と呼ばれる新しいデザインは、実験に伴う後悔を最小限に抑える。
論文 参考訳(メタデータ) (2022-02-14T22:58:13Z) - Experimental verification of fluctuation relations with a quantum
computer [68.8204255655161]
我々は、量子プロセッサを用いて、非平衡量子熱力学における多くの理論的結果を実験的に検証する。
我々の実験は、量子計算の非平衡エネルギー論を理解するための実験基盤を構成する。
論文 参考訳(メタデータ) (2021-06-08T14:16:12Z) - Robust multi-stage model-based design of optimal experiments for
nonlinear estimation [0.0]
本研究では,モデルに基づく実験の高次設計へのアプローチについて検討する。
マルチステージロバスト最適化に基づく新しい手法を提案する。
論文 参考訳(メタデータ) (2020-11-11T19:50:31Z) - Optimal Bayesian experimental design for subsurface flow problems [77.34726150561087]
本稿では,設計ユーティリティ機能のためのカオス拡張サロゲートモデル(PCE)の開発のための新しいアプローチを提案する。
この手法により,対象関数に対する適切な品質応答面の導出が可能となり,計算予算は複数の単点評価に匹敵する。
論文 参考訳(メタデータ) (2020-08-10T09:42:59Z) - Setting up experimental Bell test with reinforcement learning [0.0]
光学実験の自動設計が可能な強化学習と模擬焼鈍を組み合わせた手法を提案する。
本稿では,ベル-CHSHの不等式に高い違反を許容する確率分布に適用することにより,本手法の妥当性について述べる。
本手法はデバイス非依存の量子情報処理におけるフォトニック実験の有用性に肯定的な影響を与える可能性がある。
論文 参考訳(メタデータ) (2020-05-04T17:52:10Z) - Numerical Solution of the Parametric Diffusion Equation by Deep Neural
Networks [2.2731658205414025]
パラメトリック偏微分方程式の機械学習に基づく解について検討する。
我々は,近似理論効果が数値解析における学習問題の実践的挙動に大きく影響を及ぼすという仮説を強く支持する。
論文 参考訳(メタデータ) (2020-04-25T12:48:31Z)
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。