論文の概要: Segmenting Hybrid Trajectories using Latent ODEs
- arxiv url: http://arxiv.org/abs/2105.03835v1
- Date: Sun, 9 May 2021 04:51:13 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-11 14:47:10.669975
- Title: Segmenting Hybrid Trajectories using Latent ODEs
- Title(参考訳): 潜在ODEを用いたハイブリッド軌道の分割
- Authors: Ruian Shi, Quaid Morris
- Abstract要約: ハイブリッド軌道内における再構成と変更点検出を行うための潜在セグメントODE(LatSegODE)を提案する。
pruned exact linear time (PELT)アルゴリズムを適用して、潜時ダイナミクスが再スタートする点を検出する。
LatSegODEは、正弦波、Lotka Volterraダイナミクス、UCI文字トレイの合成データセットを含む再構築およびセグメント化タスクのベースラインを上回っています。
- 参考スコア(独自算出の注目度): 3.843574434245426
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Smooth dynamics interrupted by discontinuities are known as hybrid systems
and arise commonly in nature. Latent ODEs allow for powerful representation of
irregularly sampled time series but are not designed to capture trajectories
arising from hybrid systems. Here, we propose the Latent Segmented ODE
(LatSegODE), which uses Latent ODEs to perform reconstruction and changepoint
detection within hybrid trajectories featuring jump discontinuities and
switching dynamical modes. Where it is possible to train a Latent ODE on the
smooth dynamical flows between discontinuities, we apply the pruned exact
linear time (PELT) algorithm to detect changepoints where latent dynamics
restart, thereby maximizing the joint probability of a piece-wise continuous
latent dynamical representation. We propose usage of the marginal likelihood as
a score function for PELT, circumventing the need for model complexity-based
penalization. The LatSegODE outperforms baselines in reconstructive and
segmentation tasks including synthetic data sets of sine waves, Lotka Volterra
dynamics, and UCI Character Trajectories.
- Abstract(参考訳): 不連続によって中断される滑らかなダイナミクスはハイブリッドシステムと呼ばれ、自然界で一般的に発生する。
遅延ODEは、不規則にサンプリングされた時系列の強力な表現を可能にするが、ハイブリッドシステムから発生する軌跡を捉えるように設計されていない。
本稿では、ラテントODEを用いて、ジャンプ不連続性や動的モードの切り替えを含むハイブリッドトラジェクトリ内の再構成と変更点検出を行うラテントセグメンテッドODE(LatSegODE)を提案する。
非連続性間のスムーズな動的流れについて遅延ODEを訓練することが可能な場合、pruned exact linear time (PELT)アルゴリズムを適用して、潜時力学が再起動する変化点を検出し、断片的連続潜時力学表現の結合確率を最大化する。
モデル複雑性に基づくペナリゼーションの必要性を回避し,peltのスコア関数としての限界可能性の利用を提案する。
latsegodeは、正弦波の合成データセット、ロトカ・ボルテラダイナミクス、uci文字軌道を含む再構成およびセグメンテーションタスクのベースラインを上回っている。
関連論文リスト
- GFlowNet-EM for learning compositional latent variable models [115.96660869630227]
ラテントの後方のモデリングにおける重要なトレードオフは、表現性とトラクタブルな最適化の間にある。
非正規化密度からサンプリングするアルゴリズムであるGFlowNetsを提案する。
GFlowNetsをトレーニングして、後部から潜伏者へのサンプルをトレーニングすることにより、それらの強度をアモータライズされた変分アルゴリズムとして活用する。
論文 参考訳(メタデータ) (2023-02-13T18:24:21Z) - 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) - Latent Neural ODEs with Sparse Bayesian Multiple Shooting [13.104556034767025]
長い軌道上でのニューラルODEなどの動的モデルのトレーニングは、モデルトレーニングを実際に動作させるためには、軌道分割のような様々なトリックを使用する必要がある難しい問題である。
本稿では,並列に最適化されたトラジェクトリを管理可能なショートセグメントに分割する,ニューラルネットワークの多射法を提案する。
複数の大規模ベンチマークデータセット上で、効率的で安定したトレーニングと最先端のパフォーマンスを示す。
論文 参考訳(メタデータ) (2022-10-07T11:36:29Z) - Manifold Interpolating Optimal-Transport Flows for Trajectory Inference [64.94020639760026]
最適輸送流(MIOFlow)を補間するマニフォールド補間法を提案する。
MIOFlowは、散発的なタイムポイントで撮影された静的スナップショットサンプルから、連続的な人口動態を学習する。
本手法は, 胚体分化および急性骨髄性白血病の治療から得られたscRNA-seqデータとともに, 分岐とマージによるシミュレーションデータについて検討した。
論文 参考訳(メタデータ) (2022-06-29T22:19:03Z) - Deep Explicit Duration Switching Models for Time Series [84.33678003781908]
状態依存型と時間依存型の両方のスイッチングダイナミクスを識別できるフレキシブルモデルを提案する。
状態依存スイッチングは、リカレントな状態-スイッチ接続によって実現される。
時間依存スイッチング動作を改善するために、明示的な期間カウント変数が使用される。
論文 参考訳(メタデータ) (2021-10-26T17:35:21Z) - Nonlinear proper orthogonal decomposition for convection-dominated flows [0.0]
そこで本稿では,自動エンコーダと長期記憶ネットワークを組み合わせたエンドツーエンドのガレルキンフリーモデルを提案する。
我々の手法は精度を向上するだけでなく、トレーニングやテストの計算コストを大幅に削減する。
論文 参考訳(メタデータ) (2021-10-15T18:05:34Z) - The Limiting Dynamics of SGD: Modified Loss, Phase Space Oscillations,
and Anomalous Diffusion [29.489737359897312]
勾配降下法(SGD)を訓練した深部ニューラルネットワークの限界ダイナミクスについて検討する。
これらのダイナミクスを駆動する重要な要素は、本来のトレーニング損失ではなく、位相空間の振動を引き起こす速度と確率電流を暗黙的に規則化する修正損失の組み合わせであることを示す。
論文 参考訳(メタデータ) (2021-07-19T20:18:57Z) - Data-driven reduced order modeling of environmental hydrodynamics using
deep autoencoders and neural ODEs [3.4527210650730393]
減弱基底表現の発見にディープオートエンコーダを用いた場合について検討する。
テスト問題としては,シリンダーまわりの非圧縮性流れや,河口系における浅水流体力学の現実的応用などが挙げられる。
論文 参考訳(メタデータ) (2021-07-06T17:45:37Z) - Dynamic Mode Decomposition in Adaptive Mesh Refinement and Coarsening
Simulations [58.720142291102135]
動的モード分解(DMD)はコヒーレントなスキームを抽出する強力なデータ駆動方式である。
本稿では,異なるメッシュトポロジと次元の観測からDMDを抽出する戦略を提案する。
論文 参考訳(メタデータ) (2021-04-28T22:14:25Z) - Neural Ordinary Differential Equations for Data-Driven Reduced Order
Modeling of Environmental Hydrodynamics [4.547988283172179]
流体シミュレーションにおける神経常微分方程式の利用について検討する。
テスト問題としては,シリンダー周辺の非圧縮性流れや河川・河口系における浅水流体力学の現実的応用などが挙げられる。
本研究では,ニューラル ODE が潜在空間力学の安定かつ正確な進化のためのエレガントな枠組みを提供することを示唆する。
論文 参考訳(メタデータ) (2021-04-22T19:20:47Z) - DiffPD: Differentiable Projective Dynamics with Contact [65.88720481593118]
DiffPDは、暗黙の時間積分を持つ効率的な微分可能なソフトボディシミュレータである。
我々はDiffPDの性能を評価し,様々な応用における標準ニュートン法と比較して4~19倍のスピードアップを観測した。
論文 参考訳(メタデータ) (2021-01-15T00:13:33Z)
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。