論文の概要: Machine learning prediction of critical transition and system collapse

• arxiv url: http://arxiv.org/abs/2012.01545v1
• Date: Wed, 2 Dec 2020 21:38:54 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-25 04:08:30.785663
• Title: Machine learning prediction of critical transition and system collapse
• Title（参考訳）: 機械学習による臨界遷移とシステム崩壊の予測
• Authors: Ling-Wei Kong, Hua-Wei Fan, Celso Grebogi, Ying-Cheng Lai
• Abstract要約: 非線形力学における2つの問題に対する自由機械学習に基づく解法を開発した。 機械がカオス的誘引器で通常の機能体制で訓練された場合、遷移点を正確に予測できることを実証する。 臨界点をドリフトするパラメータに対して、入力パラメータチャネルを持つマシンは、システムが過渡状態になるだけでなく、最終崩壊前の平均過渡時間も予測できる。
• 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: To predict a critical transition due to parameter drift without relying on model is an outstanding problem in nonlinear dynamics and applied fields. A closely related problem is to predict whether the system is already in or if the system will be in a transient state preceding its collapse. We develop a model free, machine learning based solution to both problems by exploiting reservoir computing to incorporate a parameter input channel. We demonstrate that, when the machine is trained in the normal functioning regime with a chaotic attractor (i.e., before the critical transition), the transition point can be predicted accurately. Remarkably, for a parameter drift through the critical point, the machine with the input parameter channel is able to predict not only that the system will be in a transient state, but also the average transient time before the final collapse.
• Abstract（参考訳）: モデルに依存しないパラメータドリフトによる臨界遷移を予測することは、非線形力学や応用場において際立った問題である。 密接に関連する問題は、システムが既に存在するか、システムが崩壊する前に過渡状態になるかを予測することである。 我々は,パラメータ入力チャネルを組み込むために貯水池計算を活用することにより,両方の問題に対する自由機械学習に基づくモデルを開発した。 機械がカオス的アトラクタ(すなわち臨界遷移の前に)を持つ正常な機能制御系で訓練された場合、遷移点を正確に予測できることを実証する。 注目すべきは、臨界点をドリフトするパラメータに対して、入力パラメータチャネルを持つマシンは、システムが過渡状態になるだけでなく、最終崩壊前の平均過渡時間も予測することができることである。

関連論文リスト

• Learning Physics From Video: Unsupervised Physical Parameter Estimation for Continuous Dynamical Systems [49.11170948406405]
  ビデオからの自動パラメータ推定の最先端は、大規模データセット上で教師付きディープネットワークをトレーニングすることによって解決される。 単一ビデオから, 既知, 連続制御方程式の物理パラメータを推定する手法を提案する。
  論文  参考訳（メタデータ） (2024-10-02T09:44:54Z)
• Apparent delay of the Kibble-Zurek mechanism in quenched open systems [0.0]
  クエンチ時間における新しい中間状態である$tau_q$を報告し、キブル・ズレック機構(KZM)の通常の妥当性を分離する。 これは、システムが断熱的な体制に入るように見えるため、$tau_q$による遷移時間のゆるいスケーリングに現れます。 この中間状態は、システムが衝動状態において凍結するのを防ぐ散逸によって出現する。
  論文  参考訳（メタデータ） (2024-07-18T11:48:37Z)
• Machine-learning parameter tracking with partial state observation [0.0]
  複雑で非線形な力学系は、時間とともに変化するパラメータ、状態推定、予測、制御といったタスクに不可欠な正確な追跡を含むことが多い。 リアルタイムに部分状態観測から時間変化パラメータを正確に追跡する,モデルフリーで完全なデータ駆動型フレームワークを開発した。 低次元および高次元のマルコフ系および非マルコフ系非線形力学系は、機械学習に基づくパラメータ追跡フレームワークのパワーを示すために用いられる。
  論文  参考訳（メタデータ） (2023-11-15T17:39:25Z)
• Machine learning in and out of equilibrium [58.88325379746631]
  我々の研究は、統計物理学から適応したフォッカー・プランク法を用いて、これらの平行線を探索する。 我々は特に、従来のSGDでは平衡が切れている長期的限界におけるシステムの定常状態に焦点を当てる。 本稿では,ミニバッチの置き換えを伴わない新しいランゲヴィンダイナミクス(SGLD)を提案する。
  論文  参考訳（メタデータ） (2023-06-06T09:12:49Z)
• Particle-Based Score Estimation for State Space Model Learning in Autonomous Driving [62.053071723903834]
  マルチオブジェクト状態推定はロボットアプリケーションの基本的な問題である。 粒子法を用いて最大形パラメータを学習することを検討する。 自動運転車から収集した実データに本手法を適用した。
  論文  参考訳（メタデータ） (2022-12-14T01:21:05Z)
• Formal Controller Synthesis for Markov Jump Linear Systems with Uncertain Dynamics [64.72260320446158]
  マルコフジャンプ線形系に対する制御器の合成法を提案する。 本手法は,MJLSの離散(モードジャンピング)と連続(確率線形)の両方の挙動を捉える有限状態抽象化に基づいている。 本手法を複数の現実的なベンチマーク問題,特に温度制御と航空機の配送問題に適用する。
  論文  参考訳（メタデータ） (2022-12-01T17:36:30Z)
• Supervised DKRC with Images for Offline System Identification [77.34726150561087]
  現代の力学系はますます非線形で複雑なものになりつつある。 予測と制御のためのコンパクトで包括的な表現でこれらのシステムをモデル化するフレームワークが必要である。 本手法は,教師付き学習手法を用いてこれらの基礎関数を学習する。
  論文  参考訳（メタデータ） (2021-09-06T04:39:06Z)
• Anticipating synchronization with machine learning [1.0958014189747356]
  動的システムの応用においては、同期の開始を予測することが望ましい。 我々は,モデルフリーかつデータ駆動の予測フレームワークを開発した。 代表的なカオスモデルと小さなネットワークシステムを用いた機械学習ベースのフレームワークを実証する。
  論文  参考訳（メタデータ） (2021-03-13T03:51:48Z)
• Using Data Assimilation to Train a Hybrid Forecast System that Combines Machine-Learning and Knowledge-Based Components [52.77024349608834]
  利用可能なデータがノイズの多い部分測定の場合,カオスダイナミクスシステムのデータ支援予測の問題を検討する。 動的システムの状態の部分的測定を用いることで、不完全な知識ベースモデルによる予測を改善するために機械学習モデルを訓練できることを示す。
  論文  参考訳（メタデータ） (2021-02-15T19:56:48Z)
• Continuous Lyapunov Controller and Chaotic Non-linear System Optimization using Deep Machine Learning [0.0]
  非線形高度カオス系の早期故障指標を検出するための新しい手法を提案する。 提案手法はシステムとコントローラの信号を継続的に監視する。 ディープニューラルモデルは、期待されるシステムの不安定性に最も対抗できるパラメータ値を予測します。
  論文  参考訳（メタデータ） (2020-10-28T04:45:12Z)

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。