論文の概要: Machine Learning assisted Chimera and Solitary states in Networks
- arxiv url: http://arxiv.org/abs/2011.01135v2
- Date: Thu, 15 Apr 2021 12:04:07 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-30 13:09:24.312008
- Title: Machine Learning assisted Chimera and Solitary states in Networks
- Title（参考訳）: ネットワークにおける機械学習支援キメラと孤立状態
- Authors: Niraj Kushwaha, Naveen Kumar Mendola, Saptarshi Ghosh, Ajay Deep
Kachhvah, Sarika Jalan
- Abstract要約: システムパラメータの集合に対して,工学的キメラや孤立状態に十分な遅延の正確な値を予測する。
この手法は、臨界遅延値を予測し、実験的なセットアップを設計するための不整合の強度が孤立状態とキメラ状態を作り出すのと同様に、容易な方法論を提供する。
- 参考スコア（独自算出の注目度）: 1.2772443679881353
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Chimera and Solitary states have captivated scientists and engineers due to
their peculiar dynamical states corresponding to the co-existence of coherent
and incoherent dynamical evolution in coupled units in various natural and
artificial systems. It has been further demonstrated that such states can be
engineered in systems of coupled oscillators by the suitable implementation of
communication delays. Here, using supervised machine learning, we predict (a)
the precise value of delay which is sufficient for engineering chimera and
solitary states for a given set of system parameters, as well as (b) the
intensity of incoherence for such engineered states. The results are
demonstrated for two different examples consisting of single layer and multi
layer networks. First, the chimera states (solitary states) are engineered by
establishing delays in the neighboring links of a node (the interlayer links)
in a 2-D lattice (multiplex network) of oscillators. Then, different machine
learning classifiers, KNN, SVM and MLP-Neural Network are employed by feeding
the data obtained from the network models. Once a machine learning model is
trained using a limited amount of data, it makes predictions for a given
unknown systems parameter values. Testing accuracy, sensitivity, and
specificity analysis reveal that MLP-NN classifier is better suited than Knn or
SVM classifier for the predictions of parameters values for engineered chimera
and solitary states. The technique provides an easy methodology to predict
critical delay values as well as the intensity of incoherence for designing an
experimental setup to create solitary and chimera states.
- Abstract（参考訳）: キメラ州とソリタリー州は、様々な自然系と人工系の結合単位におけるコヒーレントかつ非コヒーレントな動的進化の共存に対応する独特の動的状態のために、科学者や技術者を魅了している。
通信遅延の適切な実装により、これらの状態が結合発振器のシステムで設計できることがさらに実証されている。
ここでは教師付き機械学習を用いて予測する
a)所定の系パラメータの集合に対する工学的キメラ及び孤立状態に十分である遅延の正確な値
(b)そのような工学的状態の一貫性の強さ
その結果, 単層ネットワークと多層ネットワークの2つの異なる例が得られた。
まず、キメラ状態(孤立状態)は、発振器の2次元格子(多層ネットワーク)内のノード(層間リンク)の隣り合うリンクの遅延を確立することによって構築される。
次に、ネットワークモデルから得られたデータを入力して、異なる機械学習分類器、KNN、SVM、MLP-Neural Networkを用いる。
機械学習モデルが限られた量のデータを使ってトレーニングされると、与えられた未知のシステムのパラメータ値を予測する。
精度、感度、特異性解析の検証により、mlp-nn分類器は、工学的キメラと孤立状態のパラメータ値の予測にknやsvm分類器より適していることが明らかとなった。
この手法は、臨界遅延値を予測するための簡単な手法と、独立状態とキメラ状態を生成する実験装置を設計するための不整合の強度を提供する。
関連論文リスト
- Evaluation of machine learning architectures on the quantification of
epistemic and aleatoric uncertainties in complex dynamical systems [0.0]
不確実量化(英: Uncertainty Quantification、UQ)は、モデル誤差の自己評価値である。
ガウス過程とファミリーUQ強化ニューラルネットワークの両方を含む機械学習技術について検討する。
検証データ上の正規化残差の分布と推定不確かさの分布の2つの指標を用いて,UQ精度(モデル精度とは異なる)を評価する。
論文 参考訳（メタデータ） (2023-06-27T02:35:25Z) - 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) - Systematic Evaluation of Deep Learning Models for Log-based Failure Prediction [3.3810628880631226]
本稿では,障害予測のためのログデータ埋め込み戦略とディープラーニング(DL)タイプの組み合わせを系統的に検討する。
そこで我々は,組込み戦略とDLベースのエンコーダの様々な構成に対応するモジュールアーキテクチャを提案する。
また,F1スコア測定値を用いて,Logkey2vecを用いたCNNベースのエンコーダが最適であることを示す。
論文 参考訳（メタデータ） (2023-03-13T16:04:14Z) - Deep learning applied to computational mechanics: A comprehensive
review, state of the art, and the classics [77.34726150561087]
人工知能,特に深層学習(DL)の最近の進歩を概観する。
ハイブリッドおよび純粋機械学習(ML)の手法について論じる。
AIの歴史と限界は、特に古典の誤解や誤解を指摘し、議論され、議論される。
論文 参考訳（メタデータ） (2022-12-18T02:03:00Z) - Detecting train driveshaft damages using accelerometer signals and
Differential Convolutional Neural Networks [67.60224656603823]
本稿では,高度2次元畳み込みニューラルネットワーク(CNN)アーキテクチャに基づく鉄道軸状態監視システムの開発を提案する。
その結果,鉄道軸受振動信号を時間周波数領域表現,すなわち分光図に変換し,そのひび割れに応じて2次元CNNを訓練する。
論文 参考訳（メタデータ） (2022-11-15T15:04:06Z) - Batch-Ensemble Stochastic Neural Networks for Out-of-Distribution
Detection [55.028065567756066]
Out-of-Distribution(OOD)検出は、機械学習モデルを現実世界のアプリケーションにデプロイすることの重要性から、マシンラーニングコミュニティから注目を集めている。
本稿では,特徴量の分布をモデル化した不確実な定量化手法を提案する。
バッチアンサンブルニューラルネットワーク(BE-SNN)の構築と機能崩壊問題の克服を目的として,効率的なアンサンブル機構,すなわちバッチアンサンブルを組み込んだ。
We show that BE-SNNs yield superior performance on the Two-Moons dataset, the FashionMNIST vs MNIST dataset, FashionM。
論文 参考訳（メタデータ） (2022-06-26T16:00:22Z) - Model Order Reduction based on Runge-Kutta Neural Network [0.0]
本研究では,各ステップにいくつかの修正を加え,3つのシミュレーションモデルによるテストによる影響について検討する。
モデル再構成ステップでは,多層型パーセプトロン(mlp)とrunge-kuttaニューラルネットワーク(rknn)の2種類のニューラルネットワークアーキテクチャを比較した。
論文 参考訳（メタデータ） (2021-03-25T13:02:16Z) - TELESTO: A Graph Neural Network Model for Anomaly Classification in
Cloud Services [77.454688257702]
機械学習(ML)と人工知能(AI)はITシステムの運用とメンテナンスに適用される。
1つの方向は、修復自動化を可能にするために、繰り返し発生する異常タイプを認識することである。
与えられたデータの次元変化に不変な手法を提案する。
論文 参考訳（メタデータ） (2021-02-25T14:24:49Z) - Device Sampling for Heterogeneous Federated Learning: Theory,
Algorithms, and Implementation [24.084053136210027]
グラフシーケンシャル畳み込みネットワーク(GCN)に基づくサンプリング手法を開発した。
提案手法は,全機器の5%以下をサンプリングしながら,訓練されたモデル精度と必要なリソース利用の両面で,fedl(federated learning)を実質的に上回っている。
論文 参考訳（メタデータ） (2021-01-04T05:59:50Z) - 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)
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。