Fugu-MT 論文翻訳(概要): Stability Preserving Data-driven Models With Latent Dynamics

論文の概要: Stability Preserving Data-driven Models With Latent Dynamics

arxiv url: http://arxiv.org/abs/2204.11744v1
Date: Wed, 20 Apr 2022 00:41:10 GMT
ステータス: 処理完了
システム内更新日: 2022-05-09 00:12:54.474317
Title: Stability Preserving Data-driven Models With Latent Dynamics
Title（参考訳）: 遅延ダイナミクスを用いたデータ駆動モデルの安定性保持
Authors: Yushuang Luo and Xiantao Li and Wenrui Hao
Abstract要約: 本稿では,潜在変数を用いた動的問題に対するデータ駆動型モデリング手法を提案する。本稿では,結合力学の安定性を容易に適用できるモデルフレームワークを提案する。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In this paper, we introduce a data-driven modeling approach for dynamics problems with latent variables. The state-space of the proposed model includes artificial latent variables, in addition to observed variables that can be fitted to a given data set. We present a model framework where the stability of the coupled dynamics can be easily enforced. The model is implemented by recurrent cells and trained using backpropagation through time. Numerical examples using benchmark tests from order reduction problems demonstrate the stability of the model and the efficiency of the recurrent cell implementation. As applications, two fluid-structure interaction problems are considered to illustrate the accuracy and predictive capability of the model.
Abstract（参考訳）: 本稿では,潜在変数を用いた動的問題に対するデータ駆動モデリング手法を提案する。提案モデルの状態空間は、与えられたデータセットに適合可能な観測変数に加えて、人工的潜在変数を含む。本稿では,結合ダイナミクスの安定性を容易に実現可能なモデルフレームワークを提案する。このモデルは繰り返し細胞によって実装され、時間を通してバックプロパゲーションを用いて訓練される。注文削減問題からのベンチマークテストを用いた数値例は,モデルの安定性と再帰セル実装の効率を示す。応用として、モデルの精度と予測能力を示す2つの流体構造相互作用問題を考える。

関連論文リスト

Identifiable Representation and Model Learning for Latent Dynamic Systems [0.0]
本稿では,潜在力学系における表現とモデル学習の問題について検討する。線形あるいはアフィン非線形潜在力学系に対して、スケーリングまでの表現を同定し、いくつかの単純な変換までモデルを決定できることを証明した。
論文参考訳（メタデータ） (2024-10-23T13:55:42Z)
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)
Learning and Inference in Sparse Coding Models with Langevin Dynamics [3.0600309122672726]
本稿では確率的潜在変数モデルで推論と学習が可能なシステムについて述べる。ランゲヴィン力学を用いて潜伏変数を推論する連続時間方程式を導出することにより、スパース符号化モデルのこのアイデアを実証する。ランゲヴィン力学は、L1ノルムが小さいのに対して、潜伏変数をゼロにすることを推奨する'L0スパース'系において、後続分布からサンプリングする効率的な手順をもたらすことを示す。
論文参考訳（メタデータ） (2022-04-23T23:16:47Z)
On the sample complexity of stabilizing linear dynamical systems from data [0.0]
この研究は、線型力学系が次元(McMillan次数)$n$を持つ場合、安定化フィードバックコントローラを構築することができる状態から常に$n$が存在することを示す。この発見は、任意の線形力学系が、力学のモデルを学ぶのに必要な最小の状態よりも少ない観測状態から安定化できることを示唆している。
論文参考訳（メタデータ） (2022-02-28T16:25:00Z)
Capturing Actionable Dynamics with Structured Latent Ordinary Differential Equations [68.62843292346813]
本稿では,その潜在表現内でのシステム入力の変動をキャプチャする構造付き潜在ODEモデルを提案する。静的変数仕様に基づいて,本モデルではシステムへの入力毎の変動要因を学習し,潜在空間におけるシステム入力の影響を分離する。
論文参考訳（メタデータ） (2022-02-25T20:00:56Z)
Closed-form Continuous-Depth Models [99.40335716948101]
連続深度ニューラルモデルは高度な数値微分方程式解法に依存している。我々は,CfCネットワークと呼ばれる,記述が簡単で,少なくとも1桁高速な新しいモデル群を提示する。
論文参考訳（メタデータ） (2021-06-25T22:08:51Z)
Autoregressive Dynamics Models for Offline Policy Evaluation and Optimization [60.73540999409032]
表現的自己回帰ダイナミクスモデルが次の状態の異なる次元を生成し、以前の次元で順次条件付きで報酬を得ることを示す。また,リプレイバッファを充実させる手段として,自己回帰的ダイナミクスモデルがオフラインポリシー最適化に有用であることを示す。
論文参考訳（メタデータ） (2021-04-28T16:48:44Z)
Almost Surely Stable Deep Dynamics [4.199844472131922]
本稿では,観測データから安定なディープニューラルネットワークに基づく動的モデルを学ぶ手法を提案する。本手法は,lyapunovニューラルネットワークを動的モデルに組み込むことにより,本質的に安定性基準を満たす。
論文参考訳（メタデータ） (2021-03-26T20:37:08Z)
Anomaly Detection of Time Series with Smoothness-Inducing Sequential Variational Auto-Encoder [59.69303945834122]
Smoothness-Inducing Sequential Variational Auto-Encoder (SISVAE) モデルを提案する。我々のモデルは、フレキシブルニューラルネットワークを用いて各タイムスタンプの平均と分散をパラメータ化する。合成データセットと公開実世界のベンチマークの両方において,本モデルの有効性を示す。
論文参考訳（メタデータ） (2021-02-02T06:15:15Z)
An accelerated hybrid data-driven/model-based approach for poroelasticity problems with multi-fidelity multi-physics data [0.0]
本稿では,多孔性問題を解決するためのハイブリッドモデル/モデルフリーなデータ駆動手法を提案する。固体弾性と液圧応答の相違に対処するために, ハイブリッドモデルを導入する。
論文参考訳（メタデータ） (2020-11-30T23:36:05Z)
Variational Hyper RNN for Sequence Modeling [69.0659591456772]
本稿では,時系列データにおける高変数の取得に優れる新しい確率的シーケンスモデルを提案する。提案手法では,時間潜時変数を用いて基礎となるデータパターンに関する情報をキャプチャする。提案手法の有効性を,合成および実世界のシーケンシャルデータに示す。
論文参考訳（メタデータ） (2020-02-24T19:30:32Z)

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。