論文の概要: Hardware realisation of nonlinear dynamical systems for and from biology

• arxiv url: http://arxiv.org/abs/2108.04928v2
• Date: Tue, 17 Aug 2021 19:54:54 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-18 21:09:57.898035
• Title: Hardware realisation of nonlinear dynamical systems for and from biology
• Title（参考訳）: 生物学における非線形力学系のハードウェア実現
• Authors: Hamid Soleimani
• Abstract要約: この論文の焦点は、バイオエンジニアリングにおける非線形力学系の適用である。 システムは主に大規模で一般的に2つのグループに分けられる: 1)生物学からの力学系(2)生物学のための力学系。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: The focus of this thesis is on the applications of nonlinear dynamical systems in bioengineering which are mainly used in large-scale and generally categorised into two groups: (1) dynamical systems from biology (2) dynamical systems for biology. The mathematical models describing the dynamical systems used in the above systems can be simulated with the use of powerful software such as MATLAB, however, for large-scale simulations software begins to collapse. Besides, computer-based simulations are not always suitable for interfacing with biological/physical systems where continuous monitoring with low power and area consumption might be required. To alleviate these issues, a few novel hardware techniques for both aforementioned groups are proposed and their hardware results compared and validated by software simulations.
• Abstract（参考訳）: この論文の焦点は、主に大規模で一般的に2つのグループに分けられるバイオエンジニアリングにおける非線形力学系の適用である:(1)生物学からの力学系(2)生物学の力学系。 上記のシステムで使用される力学系を記述する数学的モデルは、MATLABのような強力なソフトウェアを用いてシミュレートすることができるが、大規模なシミュレーションソフトウェアは崩壊し始める。 さらに、コンピュータベースのシミュレーションは、低消費電力で連続的なモニタリングを必要とする生物学的・物理的システムと対面するのに必ずしも適していない。 これらの問題を緩和するために,上記の2つのグループを対象とした新しいハードウェア技術を提案し,そのハードウェア性能をソフトウェアシミュレーションにより比較検証した。

関連論文リスト

• Neural Graph Simulator for Complex Systems [0.0]
  グラフ上の時間不変自律系をシミュレートするためのニューラルグラフシミュレータ(NGS)を導入する。 NGSは、支配方程式の事前知識を必要としないため、数値解法よりも大きな利点がある。 これは従来の手法よりも優れた計算効率を示し、厳密な問題の105ドル以上の性能を向上させる。
  論文  参考訳（メタデータ） (2024-11-14T01:41:00Z)
• Learning System Dynamics without Forgetting [60.08612207170659]
  未知の力学を持つ系の軌道予測は、物理学や生物学を含む様々な研究分野において重要である。 本稿では,モードスイッチンググラフODE (MS-GODE) の新たなフレームワークを提案する。 生体力学の異なる多様な系を特徴とする生体力学システムの新しいベンチマークを構築した。
  論文  参考訳（メタデータ） (2024-06-30T14:55:18Z)
• Controlling dynamical systems to complex target states using machine learning: next-generation vs. classical reservoir computing [68.8204255655161]
  機械学習を用いた非線形力学系の制御は、システムを周期性のような単純な振る舞いに駆動するだけでなく、より複雑な任意の力学を駆動する。 まず, 従来の貯水池計算が優れていることを示す。 次のステップでは、これらの結果を異なるトレーニングデータに基づいて比較し、代わりに次世代貯水池コンピューティングを使用する別のセットアップと比較する。 その結果、通常のトレーニングデータに対して同等のパフォーマンスを提供する一方で、次世代RCは、非常に限られたデータしか利用できない状況において、著しくパフォーマンスが向上していることがわかった。
  論文  参考訳（メタデータ） (2023-07-14T07:05:17Z)
• 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)
• DySMHO: Data-Driven Discovery of Governing Equations for Dynamical Systems via Moving Horizon Optimization [77.34726150561087]
  本稿では,スケーラブルな機械学習フレームワークである移動水平最適化(DySMHO)による動的システムの発見について紹介する。 DySMHOは、基底関数の大きな辞書から基礎となる支配方程式を逐次学習する。 標準非線形力学系の例は、DySMHOが規則を正確に回復できることを示すために用いられる。
  論文  参考訳（メタデータ） (2021-07-30T20:35:03Z)
• Controlling nonlinear dynamical systems into arbitrary states using machine learning [77.34726150561087]
  機械学習(ML)を活用した,新しい完全データ駆動制御方式を提案する。 最近開発されたMLに基づく複雑なシステムの予測機能により、非線形系は任意の初期状態から来る任意の動的対象状態に留まることが証明された。 必要なデータ量が少なく,柔軟性の高いコントロールスキームを備えることで,工学から医学まで幅広い応用の可能性について簡単に議論する。
  論文  参考訳（メタデータ） (2021-02-23T16:58:26Z)
• The 4th International Workshop on Smart Simulation and Modelling for Complex Systems [4.489415125484399]
  コンピュータベースのモデリングとシミュレーションは、人間が異なるドメインのシステムを理解するのに役立つツールとなっている。 マルチエージェントシステムのようなスマートシステムは、複雑なシステムのモデリングとシミュレーションにおいて、利点と大きなポテンシャルを示してきた。
  論文  参考訳（メタデータ） (2021-02-01T21:40:28Z)
• Linear embedding of nonlinear dynamical systems and prospects for efficient quantum algorithms [74.17312533172291]
  有限非線形力学系を無限線型力学系(埋め込み)にマッピングする方法を述べる。 次に、有限線型系 (truncation) による結果の無限線型系を近似するアプローチを検討する。
  論文  参考訳（メタデータ） (2020-12-12T00:01:10Z)
• Multiscale Simulations of Complex Systems by Learning their Effective Dynamics [10.52078600986485]
  本稿では,大規模シミュレーションをブリッジし,注文モデルを削減し,実効ダイナミクスを学習するシステムフレームワークを提案する。 LEDは複雑なシステムの正確な予測に新しい強力なモダリティを提供する。 LEDは化学から流体力学に至るまでのシステムに適用でき、計算の労力を最大2桁まで削減できる。
  論文  参考訳（メタデータ） (2020-06-24T02:35:51Z)

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。