論文の概要: Machine learning prediction for mean motion resonance behaviour -- The planar case

• arxiv url: http://arxiv.org/abs/2201.06743v1
• Date: Tue, 18 Jan 2022 04:52:44 GMT
• ステータス: 処理完了
• システム内更新日: 2022-01-19 18:56:10.005733
• Title: Machine learning prediction for mean motion resonance behaviour -- The planar case
• Title（参考訳）: 平均運動共鳴挙動の機械学習予測 -平面の場合-
• Authors: Xin Li, Jian Li, Zhihong Jeff Xia and Nikolaos Georgakarakos
• Abstract要約: 本研究では,非可積分系における正則運動の中間事例として,海王星と2:3の平均運動共鳴の挙動を考える。 短い6250 yrの数値積分の初期データから、最も訓練された人工ニューラルネットワーク(ANN)が2:3共振器の軌道を予測できることが示されている。
• 参考スコア（独自算出の注目度）: 9.200021031074328
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Most recently, machine learning has been used to study the dynamics of integrable Hamiltonian systems and the chaotic 3-body problem. In this work, we consider an intermediate case of regular motion in a non-integrable system: the behaviour of objects in the 2:3 mean motion resonance with Neptune. We show that, given initial data from a short 6250 yr numerical integration, the best-trained artificial neural network (ANN) can predict the trajectories of the 2:3 resonators over the subsequent 18750 yr evolution, covering a full libration cycle over the combined time period. By comparing our ANN's prediction of the resonant angle to the outcome of numerical integrations, the former can predict the resonant angle with an accuracy as small as of a few degrees only, while it has the advantage of considerably saving computational time. More specifically, the trained ANN can effectively measure the resonant amplitudes of the 2:3 resonators, and thus provides a fast approach that can identify the resonant candidates. This may be helpful in classifying a huge population of KBOs to be discovered in future surveys.
• Abstract（参考訳）: 近ごろ、機械学習は可積分ハミルトン系のダイナミクスとカオス3体問題の研究に使われている。 本研究では,非可積分系における正則運動の中間事例として,海王星と2:3の平均運動共鳴の挙動を考える。 6250 yrの数値積分による初期データから、最も訓練された人工ニューラルネットワーク(ANN)は、その後の18750 yrの進化における2:3共振器の軌道を予測でき、組み合わせた周期で完全なリボレーションサイクルをカバーできることを示した。 ANNの共振角予測と数値積分の結果を比較することで、前者は数度以内の精度で共振角を予測できるが、計算時間を大幅に節約できるという利点がある。 より具体的には、訓練されたannは、2:3共振器の共振振幅を効果的に測定することができ、共振候補を識別できる高速なアプローチを提供する。 これは将来の調査で発見される大量のKBOの分類に役立つかもしれない。

関連論文リスト

• RoHM: Robust Human Motion Reconstruction via Diffusion [58.63706638272891]
  RoHMは、モノクロRGB(-D)ビデオから頑健な3次元人間の動きを復元するためのアプローチである。 ノイズと閉鎖された入力データに条件付けし、一貫した大域座標で完全な可塑性運動を再構成した。 本手法は,テスト時に高速でありながら,定性的かつ定量的に最先端の手法より優れる。
  論文  参考訳（メタデータ） (2024-01-16T18:57:50Z)
• Predicting the Onset of Quantum Synchronization Using Machine Learning [0.0]
  オープンシステム設定における2つのキュービット間の環境誘起自然同期の出現を予測するために,機械学習アルゴリズムを適用した。 以上の結果から,異なる同期現象の発生を高精度に決定できる可能性が示唆された。
  論文  参考訳（メタデータ） (2023-08-29T14:27:09Z)
• Intensity Profile Projection: A Framework for Continuous-Time Representation Learning for Dynamic Networks [50.2033914945157]
  本稿では、連続時間動的ネットワークデータのための表現学習フレームワークIntensity Profile Projectionを提案する。 このフレームワークは3つの段階から構成される: 対の強度関数を推定し、強度再構成誤差の概念を最小化する射影を学習する。 さらに、推定軌跡の誤差を厳密に制御する推定理論を開発し、その表現がノイズに敏感な追従解析に利用できることを示す。
  論文  参考訳（メタデータ） (2023-06-09T15:38:25Z)
• Emergence of a stochastic resonance in machine learning [0.0]
  トレーニングデータにノイズを注入することで,状態変数の短期的予測とシステムアトラクターの長期的予測の両方に有意な利益をもたらす共鳴が生じることが判明した。
  論文  参考訳（メタデータ） (2022-11-15T18:15:43Z)
• Large-step neural network for learning the symplectic evolution from partitioned data [9.200021031074328]
  シンプレクティックマッピングによって生成される座標 (q) と運動量 (p) 変数を予測するハミルトン系の学習に焦点をあてる。 時系列を複数の分割に分割して新しい学習手法を開発する。 次に、大ステップニューラルネットワーク(LSNN)をトレーニングし、第1パーティションと残りのパーティションのそれぞれ間の生成関数を近似する。
  論文  参考訳（メタデータ） (2022-08-30T11:08:50Z)
• Characterizing low-frequency qubit noise [55.41644538483948]
  量子ビット周波数のゆらぎは、スケーラブルな量子コンピュータへの道のりで克服すべき主要な問題の1つである。 ゆらぎの統計は、定期的に繰り返されるラムゼー測定の結果の相関子を測定することで特徴づけられる。 この研究は、進化する雑音の存在下での繰り返し測定中に量子力学を記述する方法を提案する。
  論文  参考訳（メタデータ） (2022-07-04T22:48:43Z)
• Averaging Spatio-temporal Signals using Optimal Transport and Soft Alignments [110.79706180350507]
  Fr'teche は双対性を意味し, 時間的バレシェセンタを定義するために提案した損失が有効であることを示す。 手書き文字と脳画像データによる実験は、我々の理論的発見を裏付けるものである。
  論文  参考訳（メタデータ） (2022-03-11T09:46:22Z)
• Effect of quasiperiodic and random noise on many-body dynamical decoupling protocols [0.0]
  準周期およびランダムノイズが動的スキームに及ぼす影響について検討する。 工学的対称性発生器の緩和は, 温度が雑音に依存しない予熱台地への顕微鏡的時間スケールの初期緩和によって進行することがわかった。 ノイズフロアとピークはともに初期線形時間緩和に寄与するが,ピークが十分に解決されると対数状態が始まり,さらなる緩和に寄与しない。
  論文  参考訳（メタデータ） (2022-01-05T19:00:00Z)
• Simultaneous boundary shape estimation and velocity field de-noising in Magnetic Resonance Velocimetry using Physics-informed Neural Networks [70.7321040534471]
  MRV(MR resonance velocimetry)は、流体の速度場を測定するために医療や工学で広く用いられている非侵襲的な技術である。 これまでの研究では、境界(例えば血管)の形状が先駆体として知られていた。 我々は、ノイズの多いMRVデータのみを用いて、最も可能性の高い境界形状と減音速度場を推定する物理インフォームニューラルネットワークを提案する。
  論文  参考訳（メタデータ） (2021-07-16T12:56:09Z)
• A Bayesian neural network predicts the dissolution of compact planetary systems [2.261581864118072]
  我々は,この問題をコンパクトシステムで推進するために,ディープラーニングアーキテクチャを導入する。 私達のモデルは分析の推定器より不安定な時間を予測で2桁以上正確です。 私たちの推論モデルは、トレーニングコードをオープンソース化したspockパッケージで公開されています。
  論文  参考訳（メタデータ） (2021-01-11T19:00:00Z)
• Multi-Temporal Convolutions for Human Action Recognition in Videos [83.43682368129072]
  複数の解像度で抽出できる新しい時間・時間的畳み込みブロックを提案する。 提案するブロックは軽量で,任意の3D-CNNアーキテクチャに統合可能である。
  論文  参考訳（メタデータ） (2020-11-08T10:40:26Z)

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。