Fugu-MT 論文翻訳(概要): Learning strange attractors with reservoir systems

論文の概要: Learning strange attractors with reservoir systems

arxiv url: http://arxiv.org/abs/2108.05024v1
Date: Wed, 11 Aug 2021 04:29:18 GMT
ステータス: 処理完了
システム内更新日: 2021-08-12 18:34:19.535870
Title: Learning strange attractors with reservoir systems
Title（参考訳）: 貯水池システムを用いた奇妙なアトラクタの学習
Authors: Lyudmila Grigoryeva, Allen Hart, and Juan-Pablo Ortega
Abstract要約: 本稿は、Takesの祝福されたエンベディング理論が、より一般的な声明の特別な事例であることを示している。カオス的なアトラクションの表現、学習、分析のための追加のツールを提供する。
参考スコア（独自算出の注目度）: 8.201100713224003
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This paper shows that the celebrated Embedding Theorem of Takens is a particular case of a much more general statement according to which, randomly generated linear state-space representations of generic observations of an invertible dynamical system carry in their wake an embedding of the phase space dynamics into the chosen Euclidean state space. This embedding coincides with a natural generalized synchronization that arises in this setup and that yields a topological conjugacy between the state-space dynamics driven by the generic observations of the dynamical system and the dynamical system itself. This result provides additional tools for the representation, learning, and analysis of chaotic attractors and sheds additional light on the reservoir computing phenomenon that appears in the context of recurrent neural networks.
Abstract（参考訳）: 本稿では,Takes の有名な埋め込み定理が,非可逆力学系の一般観測をランダムに生成した線形状態空間表現が,位相空間の力学を選択されたユークリッド状態空間に埋め込むという,より一般的な主張の特別な事例であることを示す。この埋め込みは、この設定で生じる自然な一般化された同期と一致し、力学系と力学系自体の一般的な観測によって駆動される状態空間のダイナミクスの間の位相的共役をもたらす。この結果は、カオス的誘引者の表現、学習、分析のための追加のツールを提供し、リカレントニューラルネットワークの文脈に現れる貯水池コンピューティング現象にさらなる光を放つ。

関連論文リスト

Latent Space Energy-based Neural ODEs [73.01344439786524]
本稿では,連続時間シーケンスデータを表現するために設計された深部力学モデルの新しいファミリを紹介する。マルコフ連鎖モンテカルロの最大推定値を用いてモデルを訓練する。発振システム、ビデオ、実世界の状態シーケンス(MuJoCo)の実験は、学習可能なエネルギーベース以前のODEが既存のものより優れていることを示している。
論文参考訳（メタデータ） (2024-09-05T18:14:22Z)
Dynamics of inhomogeneous spin ensembles with all-to-all interactions: breaking permutational invariance [49.1574468325115]
スピンアンサンブルのダイナミクスにおける非一様初期条件の導入の結果について検討する。スピンアンサンブルのダイナミクスは、より拡張性のあるヒルベルト空間にまたがっていることが分かる。
論文参考訳（メタデータ） (2023-09-19T16:44:14Z)
Autoencoders for discovering manifold dimension and coordinates in data from complex dynamical systems [0.0]
Autoencoder frameworkは暗黙の正則化と内部線形層と$L$正則化(重崩壊)を組み合わせるこのフレームワークは、状態空間モデリングや予測の応用のために自然に拡張できることを示す。
論文参考訳（メタデータ） (2023-05-01T21:14:47Z)
Initial Correlations in Open Quantum Systems: Constructing Linear Dynamical Maps and Master Equations [62.997667081978825]
任意の所定の初期相関に対して、開系の作用素の空間上の線型動的写像を導入することができることを示す。この構造が一般化されたリンドブラッド構造を持つ線形時間局所量子マスター方程式に導かれることを実証する。
論文参考訳（メタデータ） (2022-10-24T13:43:04Z)
Spreading of a local excitation in a Quantum Hierarchical Model [62.997667081978825]
常磁性相における量子ダイソン階層モデルのダイナミクスについて検討する。地磁気場状態の局所励起による初期状態を考慮する。局所化機構が発見され、励起は任意の時間で初期位置に近づいたままである。
論文参考訳（メタデータ） (2022-07-14T10:05:20Z)
Inferring the Structure of Ordinary Differential Equations [12.202646598683888]
我々は,AIFeynman(Udrescu et al., 2020)と呼ばれるアプローチを動的設定に拡張し,ODEシステム上でシンボリックレグレッションを実行する。この拡張を、複雑性を増大させる基底的真理方程式が利用できるいくつかの力学系において経験的に象徴的回帰に対する最先端のアプローチと比較する。
論文参考訳（メタデータ） (2021-07-05T07:55:05Z)
Embedding Information onto a Dynamical System [0.0]
任意の列を別の空間にマッピングして、不規則な力学系の魅力的な解として示す。この結果は、テイケンズ埋め込み定理の一般化ではなく、離散時間状態空間モデルで正確に何が必要なのかを理解するのに役立つ。
論文参考訳（メタデータ） (2021-05-22T16:54:16Z)
Out-of-time-order correlations and the fine structure of eigenstate thermalisation [58.720142291102135]
量子情報力学と熱化を特徴付けるツールとして、OTOC(Out-of-time-orderor)が確立されている。我々は、OTOCが、ETH(Eigenstate Thermalisation hypothesis)の詳細な詳細を調査するための、本当に正確なツールであることを明確に示している。無限温度状態における局所作用素の和からなる可観測物の一般クラスに対して、$omega_textrmGOE$の有限サイズスケーリングを推定する。
論文参考訳（メタデータ） (2021-03-01T17:51:46Z)
Dissipative Deep Neural Dynamical Systems [0.9864260997723973]
ニューラルネットワークを点方向アフィンマップとして表現することで、局所線形演算子を露出する。これにより、ニューラルネットワークの動作の“ブラックボックスのクラック”が可能になります。これらの局所線型作用素の動的挙動と固有値スペクトルのばらつきを、様々な重み分解、活性化関数、バイアス項、深さで解析する。
論文参考訳（メタデータ） (2020-11-26T23:13:16Z)
Learning Continuous System Dynamics from Irregularly-Sampled Partial Observations [33.63818978256567]
グラフ構造を持つ多エージェント動的システムをモデル化するための潜在常微分方程式生成モデルLG-ODEを提案する。高次元軌跡の埋め込みと連続潜伏系力学を同時に学習することができる。我々のモデルは、教師なしの方法で初期状態を推論できるグラフニューラルネットワークによってパラメータ化された新しいエンコーダを採用している。
論文参考訳（メタデータ） (2020-11-08T01:02:22Z)
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)

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。