論文の概要: Symplectic Gaussian Process Dynamics
- arxiv url: http://arxiv.org/abs/2102.01606v1
- Date: Tue, 2 Feb 2021 17:02:55 GMT
- ステータス: 処理完了
- システム内更新日: 2021-02-04 10:14:35.059403
- Title: Symplectic Gaussian Process Dynamics
- Title(参考訳): シンプレクティックガウス過程ダイナミクス
- Authors: Katharina Ensinger, Friedrich Solowjow, Michael Tiemann, Sebastian
Trimpe
- Abstract要約: 暗黙的なシングルまたはマルチステップインテグレータで基盤システムを識別できるスパースプロセスに基づく変分推論方式を提案する。
特に、シンプレクティック生成体積保存予測と結合したハミルトン問題について議論する。
- 参考スコア(独自算出の注目度): 5.171909600633905
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Dynamics model learning is challenging and at the same time an active field
of research. Due to potential safety critical downstream applications, such as
control tasks, there is a need for theoretical guarantees. While GPs induce
rich theoretical guarantees as function approximators in space, they do not
explicitly cope with the time aspect of dynamical systems. However, propagating
system properties through time is exactly what classical numerical integrators
were designed for. We introduce a recurrent sparse Gaussian process based
variational inference scheme that is able to discretize the underlying system
with any explicit or implicit single or multistep integrator, thus leveraging
properties of numerical integrators. In particular we discuss Hamiltonian
problems coupled with symplectic integrators producing volume preserving
predictions.
- Abstract(参考訳): ダイナミクスモデル学習は困難であり、同時に研究の活発な分野でもある。
潜在的安全性のため、制御タスクのような下流アプリケーションでは、理論的保証が必要である。
GPは空間上の関数近似子として豊富な理論的保証を誘導するが、力学系の時間的側面には明示的に対応しない。
しかし、時間によるシステム特性の伝播は、まさに古典的な数値積分器が設計したものです。
本稿では,任意の明示的あるいは暗黙的な単段積分器や多段積分器で基底系を識別し,数値積分器の特性を活用できる,スパースガウス過程に基づく変分推論手法を提案する。
特に、ハミルトン問題とシンプレクティック積分器は、体積保存予測を生成する。
関連論文リスト
- Exact Inference for Continuous-Time Gaussian Process Dynamics [6.941863788146731]
実際には、真のシステムはよく知られておらず、測定データから学ぶ必要がある。
ガウス過程(GP)力学モデル学習におけるほとんどの手法は、一段階先進予測に基づいて訓練されている。
このような評価に対して,フレキシブルな推論スキームを導出する方法を示す。
論文 参考訳(メタデータ) (2023-09-05T16:07:00Z) - Decimation technique for open quantum systems: a case study with
driven-dissipative bosonic chains [62.997667081978825]
量子系の外部自由度への不可避結合は、散逸(非単体)ダイナミクスをもたらす。
本稿では,グリーン関数の(散逸的な)格子計算に基づいて,これらのシステムに対処する手法を提案する。
本手法のパワーを,複雑性を増大させる駆動散逸型ボゾン鎖のいくつかの例で説明する。
論文 参考訳(メタデータ) (2022-02-15T19:00:09Z) - Structure-Preserving Learning Using Gaussian Processes and Variational
Integrators [62.31425348954686]
本稿では,機械系の古典力学に対する変分積分器と,ガウス過程の回帰による残留力学の学習の組み合わせを提案する。
我々は、既知のキネマティック制約を持つシステムへのアプローチを拡張し、予測の不確実性に関する公式な境界を提供する。
論文 参考訳(メタデータ) (2021-12-10T11:09:29Z) - Optimization on manifolds: A symplectic approach [127.54402681305629]
本稿では、最適化問題を解くための一般的な枠組みとして、ディラックの制約付きハミルトン系理論の散逸拡張を提案する。
我々の(加速された)アルゴリズムのクラスは単純で効率的なだけでなく、幅広い文脈にも適用できる。
論文 参考訳(メタデータ) (2021-07-23T13:43:34Z) - The Connection between Discrete- and Continuous-Time Descriptions of
Gaussian Continuous Processes [60.35125735474386]
我々は、一貫した推定子をもたらす離散化が粗粒化下での不変性を持つことを示す。
この結果は、導関数再構成のための微分スキームと局所時間推論アプローチの組み合わせが、2次または高次微分方程式の時系列解析に役立たない理由を説明する。
論文 参考訳(メタデータ) (2021-01-16T17:11:02Z) - Moment dynamics and observer design for a class of quasilinear quantum
stochastic systems [2.0508733018954843]
本稿では、動的変数が代数的構造を持つ開量子系のクラスについて述べる。
系は外部のボゾン場と相互作用し、ハミルトニアン作用素とカップリング作用素は系変数に線形に依存する。
モーメントダイナミクスのトラクタビリティは、準線形量子プラントにおける測定に基づくフィルタリング問題における平均2乗最適ルエンベルガーオブザーバ設計にも用いられる。
論文 参考訳(メタデータ) (2020-12-15T11:01:53Z) - Stochastically forced ensemble dynamic mode decomposition for
forecasting and analysis of near-periodic systems [65.44033635330604]
本稿では,観測力学を強制線形系としてモデル化した新しい負荷予測手法を提案する。
固有線型力学の利用は、解釈可能性やパーシモニーの観点から、多くの望ましい性質を提供することを示す。
電力グリッドからの負荷データを用いたテストケースの結果が提示される。
論文 参考訳(メタデータ) (2020-10-08T20:25:52Z) - On dissipative symplectic integration with applications to
gradient-based optimization [77.34726150561087]
本稿では,離散化を体系的に実現する幾何学的枠組みを提案する。
我々は、シンプレクティックな非保守的、特に散逸的なハミルトン系への一般化が、制御された誤差まで収束率を維持することができることを示す。
論文 参考訳(メタデータ) (2020-04-15T00:36:49Z)
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。