論文の概要: Learning Nonlinear Couplings in Network of Agents from a Single Sample Trajectory

• arxiv url: http://arxiv.org/abs/2211.11069v1
• Date: Sun, 20 Nov 2022 20:14:14 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-22 23:45:14.911951
• Title: Learning Nonlinear Couplings in Network of Agents from a Single Sample Trajectory
• Title（参考訳）: 単一軌跡からのエージェントネットワークにおける非線形結合の学習
• Authors: Arash Amini, Qiyu Sun and Nader Motee
• Abstract要約: 本稿では,結合関数を用いて制御力学をモデル化可能な動的ネットワークのクラスを考える。 ネットワークからの1つのサンプル軌道のみを用いて、一般的な結合関数のクラスを学習できることが示される。
• 参考スコア（独自算出の注目度）: 23.35887297469449
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: We consider a class of stochastic dynamical networks whose governing dynamics can be modeled using a coupling function. It is shown that the dynamics of such networks can generate geometrically ergodic trajectories under some reasonable assumptions. We show that a general class of coupling functions can be learned using only one sample trajectory from the network. This is practically plausible as in numerous applications it is desired to run an experiment only once but for a longer period of time, rather than repeating the same experiment multiple times from different initial conditions. Building upon ideas from the concentration inequalities for geometrically ergodic Markov chains, we formulate several results about the convergence of the empirical estimator to the true coupling function. Our theoretical findings are supported by extensive simulation results.
• Abstract（参考訳）: 結合関数を用いて支配力学をモデル化できる確率力学ネットワークのクラスを考える。 このようなネットワークの力学は幾らかの合理的な仮定の下で幾何的エルゴード軌道を生成することができる。 ネットワークからの1つのサンプル軌道のみを用いて、一般的な結合関数のクラスを学習できることが示される。 これは、多くの応用において、異なる初期条件から同じ実験を繰り返し繰り返すのではなく、実験を1回だけ行うことが望まれるが、実質的には妥当である。 幾何学的エルゴードマルコフ連鎖の濃度不等式から考え、経験的推定子の真の結合関数への収束に関するいくつかの結果を定式化する。 我々の理論的知見は広範なシミュレーション結果によって裏付けられている。

関連論文リスト

• A singular Riemannian Geometry Approach to Deep Neural Networks III. Piecewise Differentiable Layers and Random Walks on $n$-dimensional Classes [49.32130498861987]
  本稿ではReLUのような非微分可能活性化関数の事例について検討する。 最近の2つの研究は、ニューラルネットワークを研究するための幾何学的枠組みを導入した。 本稿では,画像の分類と熱力学問題に関する数値実験を行った。
  論文  参考訳（メタデータ） (2024-04-09T08:11:46Z)
• 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)
• A supplemental investigation of non-linearity in quantum generative models with respect to simulatability and optimization [1.4329826483358277]
  本稿では,量子アルゴリズムと機械学習コミュニティとの関連性に関する2つの質問について検討する。 この非線型性の導入は、遅延測定原理による学習モデルを古典的にシミュレート可能か? そして、この形式の非線形性を導入することで、全体のモデルのトレーニングが不安定になるのでしょうか?
  論文  参考訳（メタデータ） (2023-02-01T22:48:26Z)
• A Model of One-Shot Generalization [6.155604731137828]
  ワンショット一般化(One-shot generalization)とは、ひとつのタスク内で伝達学習を行うアルゴリズムの能力である。 データモデルに対する最も直接的なニューラルネットワークアーキテクチャは、ほぼ完璧にワンショットの一般化を実行することを示す。
  論文  参考訳（メタデータ） (2022-05-29T01:41:29Z)
• Multi-scale Feature Learning Dynamics: Insights for Double Descent [71.91871020059857]
  一般化誤差の「二重降下」現象について検討する。 二重降下は、異なるスケールで学習される異なる特徴に起因する可能性がある。
  論文  参考訳（メタデータ） (2021-12-06T18:17:08Z)
• Tensor-network study of correlation-spreading dynamics in the two-dimensional Bose-Hubbard model [0.0]
  この目的のために,従来のコンピュータ上で動作するテンソルネットワーク方式が有用であることを示す。 急激なクエンチ後の2次元Bose-Hubbardモデルのリアルタイムダイナミクスを特に解析する。 単一粒子と密度密度相関関数から位相と群速度を推定することにより、これらの速度が中間相互作用領域でどのように変化するかを予測する。
  論文  参考訳（メタデータ） (2021-08-25T05:37:16Z)
• Prequential MDL for Causal Structure Learning with Neural Networks [9.669269791955012]
  ベイジアンネットワークの実用的スコアリング関数を導出するために,事前最小記述長の原理が利用できることを示す。 我々は、調整しなければならない事前やその他の正規化子を誘導するスパーシリティに頼ることなく、可塑性および擬似グラフ構造を得る。 本研究は, 適応速度から因果構造を推定する最近の研究と, 分布変化の源泉から観測結果が得られた場合の因果構造との関係について考察する。
  論文  参考訳（メタデータ） (2021-07-02T22:35:21Z)
• Predicting Unreliable Predictions by Shattering a Neural Network [145.3823991041987]
  線形ニューラルネットワークは、サブファンクションに分割することができる。 サブファンクションは、独自のアクティベーションパターン、ドメイン、経験的エラーを持っている。 完全なネットワークに対する経験的エラーは、サブファンクションに対する期待として記述できる。
  論文  参考訳（メタデータ） (2021-06-15T18:34:41Z)
• Nonlinear Independent Component Analysis for Continuous-Time Signals [85.59763606620938]
  このプロセスの混合物の観察から多次元音源過程を復元する古典的問題を考察する。 このリカバリは、この混合物が十分に微分可能で可逆な関数によって与えられる場合、多くの一般的なプロセスのモデル(座標の順序と単調スケーリングまで)に対して可能であることを示す。
  論文  参考訳（メタデータ） (2021-02-04T20:28:44Z)
• Some Remarks on Replicated Simulated Annealing [4.726777092009554]
  我々は、いわゆる「複製された模擬焼鈍」アルゴリズムを解析する。 我々は、その収束を保証するための基準を明確にし、それが構成からうまくサンプリングされたときの研究を行う。
  論文  参考訳（メタデータ） (2020-09-30T14:33:53Z)
• A Multi-Channel Neural Graphical Event Model with Negative Evidence [76.51278722190607]
  イベントデータセットは、タイムライン上で不規則に発生するさまざまなタイプのイベントのシーケンスである。 基礎となる強度関数を推定するために,非パラメトリックディープニューラルネットワーク手法を提案する。
  論文  参考訳（メタデータ） (2020-02-21T23:10:50Z)

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。