Fugu-MT 論文翻訳(概要): A Survey on Machine Learning Applied to Dynamic Physical Systems

論文の概要: A Survey on Machine Learning Applied to Dynamic Physical Systems

arxiv url: http://arxiv.org/abs/2009.09719v2
Date: Mon, 28 Sep 2020 13:27:14 GMT
ステータス: 処理完了
システム内更新日: 2022-10-16 03:55:57.151935
Title: A Survey on Machine Learning Applied to Dynamic Physical Systems
Title（参考訳）: 動的物理システムへの機械学習の適用に関する調査
Authors: Sagar Verma
Abstract要約: 我々は電動機に近い非線形システムのモデリングに焦点をあてる。電動機の運転時のモータ制御と故障検出に関する調査が行われている。
参考スコア（独自算出の注目度）: 8.986712148899873
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This survey is on recent advancements in the intersection of physical modeling and machine learning. We focus on the modeling of nonlinear systems which are closer to electric motors. Survey on motor control and fault detection in operation of electric motors has been done.
Abstract（参考訳）: この調査は、物理モデリングと機械学習の交差点における最近の進歩に関するものである。我々は電動機に近い非線形システムのモデリングに焦点をあてる。電動機の運転におけるモータ制御と故障検出に関する調査を行った。

関連論文リスト

Fault Analysis And Predictive Maintenance Of Induction Motor Using Machine Learning [0.0]
本稿では,誘導電動機故障の故障検出と分類のための機械学習モデルを提案する。本研究の目的は、重要な電気成分を保護し、早期発見と診断による異常事象の進行を防止することである。 0.33HP誘導電動機のリアルタイムデータは、ニューラルネットワークのトレーニングとテストに使用される。
論文参考訳（メタデータ） (2024-09-16T02:37:07Z)
Exploring Model Transferability through the Lens of Potential Energy [78.60851825944212]
トランスファーラーニングは、事前訓練されたディープラーニングモデルが広く利用可能であることから、コンピュータビジョンタスクにおいて重要になっている。既存のトレーニング済みモデルの転送可能性の測定方法は、符号化された静的特徴とタスクラベルの間の統計的相関に依存する。我々はこれらの課題に対処するために,PEDという物理に着想を得たアプローチを提案する。
論文参考訳（メタデータ） (2023-08-29T07:15:57Z)
On the Relationships between Graph Neural Networks for the Simulation of Physical Systems and Classical Numerical Methods [0.0]
物理システムのモデリングにおける機械学習手法の最近の発展は、計算科学における数値的手法の過去の発展を反映し始めている。現状の機械学習手法にはまだ適用されていないシミュレーション手法の概要を述べる。我々は、科学のための機械学習モデルをより効率的にするためのこれらのアプローチの可能性について、展望を提示して結論付ける。
論文参考訳（メタデータ） (2023-03-31T21:51:00Z)
Learning continuous models for continuous physics [94.42705784823997]
本研究では,科学技術応用のための機械学習モデルを検証する数値解析理論に基づくテストを開発する。本研究は,従来のMLトレーニング/テスト手法と一体化して,科学・工学分野におけるモデルの検証を行う方法である。
論文参考訳（メタデータ） (2022-02-17T07:56:46Z)
Which priors matter? Benchmarking models for learning latent dynamics [70.88999063639146]
古典力学の先行概念を機械学習モデルに統合する手法が提案されている。これらのモデルの現在の機能について、精査する。連続的および時間的可逆的ダイナミクスの使用は、すべてのクラスのモデルに恩恵をもたらす。
論文参考訳（メタデータ） (2021-11-09T23:48:21Z)
Constructing Neural Network-Based Models for Simulating Dynamical Systems [59.0861954179401]
データ駆動モデリングは、真のシステムの観測からシステムの力学の近似を学ぼうとする代替パラダイムである。本稿では,ニューラルネットワークを用いた動的システムのモデル構築方法について検討する。基礎的な概要に加えて、関連する文献を概説し、このモデリングパラダイムが克服すべき数値シミュレーションから最も重要な課題を概説する。
論文参考訳（メタデータ） (2021-11-02T10:51:42Z)
Bidirectional Interaction between Visual and Motor Generative Models using Predictive Coding and Active Inference [68.8204255655161]
本稿では,感覚予測のための生成モデルと,運動軌跡の生成モデルからなるニューラルアーキテクチャを提案する。我々は,知覚予測のシーケンスが学習,制御,オンライン適応を導くレールとしてどのように機能するかを強調する。
論文参考訳（メタデータ） (2021-04-19T09:41:31Z)
Measuring and modeling the motor system with machine learning [117.44028458220427]
モーターシステムの理解における機械学習の有用性は、データの収集、測定、分析の方法に革命をもたらすことを約束している。本稿では, ポーズ推定, 運動解析, 次元減少, 閉ループフィードバックから, ニューラル相関の理解, 機能停止まで, 機械学習の利用の増大について論じる。
論文参考訳（メタデータ） (2021-03-22T12:42:16Z)
Machine learning and excited-state molecular dynamics [0.0]
機械学習に基づく励起状態ダイナミクスの進歩を調査した。光誘起分子プロセスのための機械学習アプローチの成功、落とし穴、課題、そして今後の道のりを強調します。
論文参考訳（メタデータ） (2020-05-28T16:43:18Z)
Machine Learning Approaches For Motor Learning: A Short Review [1.5736917233375265]
運動学習のための既存の機械学習モデルとその適応能力について概説する。確率モデルの強化、深層ニューラルネットワークの伝達とメタラーニング、強化学習による計画適応の3つのタイプを同定し、記述する。
論文参考訳（メタデータ） (2020-02-11T11:11:26Z)

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。