論文の概要: Data-driven Nonlinear Model Reduction to Spectral Submanifolds in Mechanical Systems

• arxiv url: http://arxiv.org/abs/2110.01929v1
• Date: Tue, 5 Oct 2021 10:39:40 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-06 13:55:50.213654
• Title: Data-driven Nonlinear Model Reduction to Spectral Submanifolds in Mechanical Systems
• Title（参考訳）: 力学系におけるスペクトル部分多様体へのデータ駆動非線形モデル還元
• Authors: Mattia Cenedese, Joar Ax{\aa}s, Haocheng Yang, Melih Eriten and George Haller
• Abstract要約: スペクトル部分多様体(SSM)に基づくデータ駆動非線形モデル削減手法についてレビューする。 入力として、この手法は非力の非線形振動を観測して、力学の正規形式を非常に低次元不変量に縮減する。 これらの正規形式は振幅依存特性をキャプチャし、外部強制の付加の下で非線形システム応答の予測を提供するのに十分正確である。
• 参考スコア（独自算出の注目度）: 1.7499351967216341
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: While data-driven model reduction techniques are well-established for linearizable mechanical systems, general approaches to reducing non-linearizable systems with multiple coexisting steady states have been unavailable. In this paper, we review such a data-driven nonlinear model reduction methodology based on spectral submanifolds (SSMs). As input, this approach takes observations of unforced nonlinear oscillations to construct normal forms of the dynamics reduced to very low dimensional invariant manifolds. These normal forms capture amplitude-dependent properties and are accurate enough to provide predictions for non-linearizable system response under the additions of external forcing. We illustrate these results on examples from structural vibrations, featuring both synthetic and experimental data.
• Abstract（参考訳）: データ駆動モデル還元手法は線形化機械システムではよく確立されているが、複数の共存定常状態を持つ非線形化システムを減らす一般的なアプローチは利用できない。 本稿では,スペクトル部分多様体(SSM)に基づくデータ駆動非線形モデル削減手法について概説する。 入力として、この手法は非力の非線形振動を観測して、力学の正規形式を非常に低次元不変多様体に還元する。 これらの正規形式は振幅依存特性を捕捉し、外部強制の付加の下で非線形系の応答を予測するのに十分正確である。 合成データと実験データの両方を特徴とする構造振動の例を示す。

関連論文リスト

• Data-driven model reconstruction for nonlinear wave dynamics [0.0]
  複雑な波動媒質における光ウェーブレットの非線形進化ダイナミクスを解析するための解釈可能な機械学習フレームワークを提案する。 我々はスパースレグレッションを用いて、ウェーブパケットエンベロープの力学を正確に記述できるより単純な有効モデルに微視的な離散格子モデルを還元する。 再構成された方程式は、自己中心化や自己焦点化を含む線形分散非線形効果を正確に再現する。
  論文  参考訳（メタデータ） (2024-11-18T13:17:10Z)
• Data-driven Nonlinear Model Reduction using Koopman Theory: Integrated Control Form and NMPC Case Study [56.283944756315066]
  そこで本研究では,遅延座標符号化と全状態復号化を組み合わせた汎用モデル構造を提案し,Koopmanモデリングと状態推定を統合した。 ケーススタディでは,本手法が正確な制御モデルを提供し,高純度極低温蒸留塔のリアルタイム非線形予測制御を可能にすることを実証している。
  論文  参考訳（メタデータ） (2024-01-09T11:54:54Z)
• Capturing dynamical correlations using implicit neural representations [85.66456606776552]
  実験データから未知のパラメータを復元するために、モデルハミルトンのシミュレーションデータを模倣するために訓練されたニューラルネットワークと自動微分を組み合わせた人工知能フレームワークを開発する。 そこで本研究では, 実時間から多次元散乱データに適用可能な微分可能なモデルを1回だけ構築し, 訓練する能力について述べる。
  論文  参考訳（メタデータ） (2023-04-08T07:55:36Z)
• Data-Driven Modeling and Prediction of Non-Linearizable Dynamics via Spectral Submanifolds [0.0]
  非線形(あるいは非線形)な力学系を表すデータセットから低次元予測モデルを構築する手法を開発した。 我々のデータ駆動・スパース非線形モデルは低次元における還元力学の拡張正規形式として得られる。 また、非力データに基づいてトレーニングされたSSM削減は、外部強制下での非線形応答を正確に予測する。
  論文  参考訳（メタデータ） (2022-01-13T13:21:55Z)
• 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)
• Exact solutions of interacting dissipative systems via weak symmetries [77.34726150561087]
  我々は任意の強い相互作用や非線形性を持つクラスマルコフ散逸系(英語版)のリウヴィリアンを解析的に対角化する。 これにより、フルダイナミックスと散逸スペクトルの正確な記述が可能になる。 我々の手法は他の様々なシステムに適用でき、複雑な駆動散逸量子系の研究のための強力な新しいツールを提供することができる。
  論文  参考訳（メタデータ） (2021-09-27T17:45:42Z)
• A Latent Restoring Force Approach to Nonlinear System Identification [0.0]
  この研究は、システムの未知の非線形項の寄与を抽出し同定するためのベイズフィルタに基づくアプローチを提案する。 この手法は、シミュレートされたケーススタディと実験的なベンチマークデータセットの両方で有効であることが示されている。
  論文  参考訳（メタデータ） (2021-09-22T12:21:16Z)
• Hessian Eigenspectra of More Realistic Nonlinear Models [73.31363313577941]
  私たちは、非線形モデルの広いファミリーのためのヘッセン固有スペクトルの言語的特徴付けを行います。 我々の分析は、より複雑な機械学習モデルで観察される多くの顕著な特徴の起源を特定するために一歩前進する。
  論文  参考訳（メタデータ） (2021-03-02T06:59:52Z)
• Neural Dynamic Mode Decomposition for End-to-End Modeling of Nonlinear Dynamics [49.41640137945938]
  ニューラルネットワークに基づくリフト関数を推定するためのニューラルダイナミックモード分解法を提案する。 提案手法により,予測誤差はニューラルネットワークとスペクトル分解によって逆伝搬される。 提案手法の有効性を,固有値推定と予測性能の観点から実証した。
  論文  参考訳（メタデータ） (2020-12-11T08:34:26Z)
• Coarse-Grained Nonlinear System Identification [0.0]
  本稿では,ボルテラ級数展開に基づく非線形系力学の効率的で普遍的なパラメータ化である粗粒度ダイナミクスを紹介する。 簡単な合成問題に対して,本手法の特性を実証する。 また, 実験データの1秒未満で, タングステンフィラメントのダイナミックスに対して, 非線形電圧の正確なモデルを特定することを実証した。
  論文  参考訳（メタデータ） (2020-10-14T06:45:51Z)
• Sparse Quantized Spectral Clustering [85.77233010209368]
  このような非線形変換の下で行列の固有スペクトルがどのように変化するのかを、ランダム行列理論のツールを用いて正確に述べる。 急激なスペーシング/量子化の下でも,情報的固有構造にはほとんど変化は見られなかった。
  論文  参考訳（メタデータ） (2020-10-03T15:58:07Z)

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。