Fugu-MT 論文翻訳(概要): Composing a surrogate observation operator for sequential data assimilation

論文の概要: Composing a surrogate observation operator for sequential data assimilation

arxiv url: http://arxiv.org/abs/2201.12514v1
Date: Sat, 29 Jan 2022 06:44:51 GMT
ステータス: 処理完了
システム内更新日: 2022-02-04 06:46:36.126868
Title: Composing a surrogate observation operator for sequential data assimilation
Title（参考訳）: 逐次データ同化のための代理観測演算子の構成
Authors: Kosuke Akita, Yuto Miyatake, Daisuke Furihata
Abstract要約: データ同化では、観測作用素が未知の場合、状態推定は簡単ではない。本研究では,真の演算子に対する代理演算子を構成する方法を提案する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: In data assimilation, state estimation is not straightforward when the observation operator is unknown. This study proposes a method for composing a surrogate operator for a true operator. The surrogate model is improved iteratively to decrease the difference between the observations and the results of the surrogate model, and a neural network is adopted in the process. A twin experiment suggests that the proposed method outperforms approaches that use a specific operator that is given tentatively throughout the data assimilation process.
Abstract（参考訳）: データ同化では、状態推定は観測演算子が不明な場合には簡単ではない。本研究では,真の演算子に対する代理演算子を構成する方法を提案する。代理モデルの観測結果と結果との差を減少させるために代理モデルが反復的に改善され、その過程でニューラルネットワークが採用される。双対実験では、提案手法がデータ同化プロセスを通じて仮に与えられた特定の演算子を使用するアプローチよりも優れていることを示唆する。

関連論文リスト

Observation-specific explanations through scattered data approximation [0.0]
この研究は、その重要性に比例する各データポイントにスコアを割り当てるために、観察固有の説明の定義を導入する。提案手法は,分散データ近似を用いて代理モデルを構築することにより,これらの説明を推定することを含む。
論文参考訳（メタデータ） (2024-04-12T18:20:26Z)
Controlled Training Data Generation with Diffusion Models [48.123126522294015]
本稿では,教師あり学習のためのトレーニングデータを生成するために,テキスト・ツー・イメージ生成モデルを制御する手法を提案する。本研究では,2つのフィードバック機構を備えたクローズドループシステムを開発した。
論文参考訳（メタデータ） (2024-03-22T15:59:24Z)
Generalizing Backpropagation for Gradient-Based Interpretability [103.2998254573497]
モデルの勾配は、半環を用いたより一般的な定式化の特別な場合であることを示す。この観測により、バックプロパゲーションアルゴリズムを一般化し、他の解釈可能な統計を効率的に計算することができる。
論文参考訳（メタデータ） (2023-07-06T15:19:53Z)
Exploiting Observation Bias to Improve Matrix Completion [16.57405742112833]
本稿では,行列補完の変種について考察する。目標は、バイアスと関心の結果の間の共有情報を利用して予測を改善することである。この2段階のアルゴリズムでは,従来の行列補完法に比べて平均2乗誤差が30倍小さいことが判明した。
論文参考訳（メタデータ） (2023-06-07T20:48:35Z)
Learning Dynamical Systems via Koopman Operator Regression in Reproducing Kernel Hilbert Spaces [52.35063796758121]
動的システムの有限データ軌跡からクープマン作用素を学ぶためのフレームワークを定式化する。リスクとクープマン作用素のスペクトル分解の推定を関連付ける。以上の結果から,RRRは他の広く用いられている推定値よりも有益である可能性が示唆された。
論文参考訳（メタデータ） (2022-05-27T14:57:48Z)
Invariance Learning in Deep Neural Networks with Differentiable Laplace Approximations [76.82124752950148]
我々はデータ拡張を選択するための便利な勾配法を開発した。我々はKronecker-factored Laplace近似を我々の目的とする限界確率に近似する。
論文参考訳（メタデータ） (2022-02-22T02:51:11Z)
Operator Augmentation for Model-based Policy Evaluation [1.503974529275767]
モデルに基づく強化学習では、遷移行列と報酬ベクトルはしばしばノイズを受けるランダムサンプルから推定される。本稿では,推定モデルによる誤差を低減する演算子拡張手法を提案する。
論文参考訳（メタデータ） (2021-10-25T05:58:49Z)
On Predictive Explanation of Data Anomalies [3.1798318618973362]
PROTEUSは、不均衡なデータセットの機能選択用に設計されたAutoMLパイプラインである。教師なし検出器の決定面を近似することで予測的な説明を生成する。予期せぬデータで予測性能を確実に推定する。
論文参考訳（メタデータ） (2021-10-18T16:59:28Z)
DEALIO: Data-Efficient Adversarial Learning for Imitation from Observation [57.358212277226315]
観察ifoからの模倣学習において、学習エージェントは、実演者の生成した制御信号にアクセスせずに、実演行動の観察のみを用いて実演エージェントを模倣しようとする。近年、逆模倣学習に基づく手法は、ifO問題に対する最先端のパフォーマンスをもたらすが、データ非効率でモデルなしの強化学習アルゴリズムに依存するため、サンプルの複雑さに悩まされることが多い。この問題は、サンプルの収集が時間、エネルギー、およびリスクの面で高いコストを被る可能性がある現実世界の設定に展開することは非現実的です。よりデータ効率の高いifOアルゴリズムを提案する。
論文参考訳（メタデータ） (2021-03-31T23:46:32Z)
Autoencoding Variational Autoencoder [56.05008520271406]
我々は,この行動が学習表現に与える影響と,自己整合性の概念を導入することでそれを修正する結果について検討する。自己整合性アプローチで訓練されたエンコーダは、敵攻撃による入力の摂動に対して頑健な(無神経な)表現につながることを示す。
論文参考訳（メタデータ） (2020-12-07T14:16:14Z)

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。