Fugu-MT 論文翻訳(概要): Classification of Complex Systems Based on Transients

論文の概要: Classification of Complex Systems Based on Transients

arxiv url: http://arxiv.org/abs/2008.13503v1
Date: Mon, 31 Aug 2020 11:47:45 GMT
ステータス: 処理完了
システム内更新日: 2022-10-23 07:29:37.573547
Title: Classification of Complex Systems Based on Transients
Title（参考訳）: トランジェントに基づく複雑系の分類
Authors: Barbora Hudcova, Tomas Mikolov
Abstract要約: 決定論的離散空間と時間力学系の任意のクラスに適用可能な新しい分類法を提案する。この方法は、ループに入る前にシステムの平均時間の異なる振る舞いを区別する。我々は2次元セルオートマトンを分類し、我々の手法がより複雑な計算モデルに容易に適用可能であることを示す。
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 order to develop systems capable of modeling artificial life, we need to identify, which systems can produce complex behavior. We present a novel classification method applicable to any class of deterministic discrete space and time dynamical systems. The method distinguishes between different asymptotic behaviors of a system's average computation time before entering a loop. When applied to elementary cellular automata, we obtain classification results, which correlate very well with Wolfram's manual classification. Further, we use it to classify 2D cellular automata to show that our technique can easily be applied to more complex models of computation. We believe this classification method can help to develop systems, in which complex structures emerge.
Abstract（参考訳）: 人工生命をモデル化できるシステムを開発するためには,どのシステムが複雑な振る舞いを生成できるかを特定する必要がある。決定論的離散空間と時間力学系の任意のクラスに適用可能な新しい分類法を提案する。この方法は、ループに入る前にシステムの平均計算時間の異なる漸近挙動を区別する。基本細胞オートマトンに適用すると,Wolframの手動分類と非常によく相関する分類結果が得られる。さらに,2次元セルオートマトンを分類することにより,より複雑な計算モデルに容易に適用できることを示す。この分類手法は複雑な構造が出現するシステムの開発に役立つと信じている。

関連論文リスト

Bisimulation Learning [55.859538562698496]
我々は、大きな、潜在的に無限の状態空間を持つ状態遷移系の有限バイシミュレートを計算する。提案手法は,実際に行われている他の最先端ツールよりも高速な検証結果が得られる。
論文参考訳（メタデータ） (2024-05-24T17:11:27Z)
Discret2Di -- Deep Learning based Discretization for Model-based Diagnosis [48.252498836623154]
一貫性に基づく診断は、技術的応用を診断するための確立されたアプローチであるが、かなりのモデリング努力に悩まされている。本稿では,一貫性に基づく診断のための論理式の自動学習手法としてDiscret2Diを提案する。提示されたソリューションは、時系列と記号領域の両方からの機械学習を組み合わせて、一貫性に基づく診断のための論理規則の学習を自動化する。
論文参考訳（メタデータ） (2023-11-06T09:17:57Z)
From system models to class models: An in-context learning paradigm [0.0]
本稿では,1段階の予測と複数段階のシミュレーションという2つの主要な課題に対処する,システム識別のための新しいパラダイムを提案する。動的システムのクラスを表すメタモデルを学ぶ。一段階の予測では、GPTのようなデコーダのみのアーキテクチャを使用し、シミュレーション問題ではエンコーダ-デコーダ構造を用いる。
論文参考訳（メタデータ） (2023-08-25T13:50:17Z)
A Constructive Approach to Function Realization by Neural Stochastic Differential Equations [8.04975023021212]
システム力学における構造的制約を導入し、そのようなシステムで実現可能な関数のクラスを特徴付ける。これらのシステムは、ニューラル微分方程式(ニューラルSDE)、決定論的力学系、読み出しマップのカスケード相互接続として実装される。
論文参考訳（メタデータ） (2023-07-01T03:44:46Z)
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)
Classification of Discrete Dynamical Systems Based on Transients [0.0]
決定論的離散空間と時間力学系の任意のクラスに適用可能な新しい分類法を提案する。順序付けられた振る舞いからカオスへのフェーズ移行に対応する、行動の重要な領域を特定できたのです。私たちの仕事は、複雑な構造が現れるシステムの設計に利用できます。
論文参考訳（メタデータ） (2021-08-03T15:34:01Z)
Visualizing computation in large-scale cellular automata [24.62657948019533]
セルオートマトンのような複雑なシステムの創発的プロセスは、複雑さが増大する計算を実行することができる。セル状態,クラスタリング,オートエンコーダの周波数解析に基づく粗粒度セルオートマトンの方法を提案する。
論文参考訳（メタデータ） (2021-04-01T08:14:15Z)
A non-autonomous equation discovery method for time signal classification [1.933681537640272]
非自律的力学方程式に基づいて時間信号を解析するフレームワークを開発する。随伴法を用いて勾配を効率的に計算する方法を示す。また,提案手法が位相像の形で解釈可能性をもたらすことを示す。
論文参考訳（メタデータ） (2020-11-22T20:03:46Z)
A Novel Anomaly Detection Algorithm for Hybrid Production Systems based on Deep Learning and Timed Automata [73.38551379469533]
DAD:DeepAnomalyDetectionは,ハイブリッド生産システムにおける自動モデル学習と異常検出のための新しいアプローチである。深層学習とタイムドオートマトンを組み合わせて、観察から行動モデルを作成する。このアルゴリズムは実システムからの2つのデータを含む少数のデータセットに適用され、有望な結果を示している。
論文参考訳（メタデータ） (2020-10-29T08:27:43Z)
Active Learning for Nonlinear System Identification with Guarantees [102.43355665393067]
状態遷移が既知の状態-作用対の特徴埋め込みに線形に依存する非線形力学系のクラスについて検討する。そこで本稿では, トラジェクティブ・プランニング, トラジェクティブ・トラッキング, システムの再推定という3つのステップを繰り返すことで, この問題を解決するためのアクティブ・ラーニング・アプローチを提案する。本手法は, 非線形力学系を標準線形回帰の統計速度と同様, パラメトリック速度で推定する。
論文参考訳（メタデータ） (2020-06-18T04:54:11Z)
Learned Factor Graphs for Inference from Stationary Time Sequences [107.63351413549992]
定常時間列のためのモデルベースアルゴリズムとデータ駆動型MLツールを組み合わせたフレームワークを提案する。ニューラルネットワークは、時系列の分布を記述する因子グラフの特定のコンポーネントを別々に学習するために開発された。本稿では,学習された定常因子グラフに基づく推論アルゴリズムを提案する。
論文参考訳（メタデータ） (2020-06-05T07:06:19Z)

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。