論文の概要: Machine Learning Accelerated PDE Backstepping Observers
- arxiv url: http://arxiv.org/abs/2211.15044v1
- Date: Mon, 28 Nov 2022 04:06:43 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-29 22:55:27.448445
- Title: Machine Learning Accelerated PDE Backstepping Observers
- Title(参考訳): 機械学習によるPDEバックステッピングオブザーバの高速化
- Authors: Yuanyuan Shi, Zongyi Li, Huan Yu, Drew Steeves, Anima Anandkumar,
Miroslav Krstic
- Abstract要約: 学習に基づくアプローチを用いてPDEオブザーバ計算を高速化するフレームワークを提案する。
我々は、最近開発されたフーリエニューラル演算子(FNO)を用いて、初期観測状態から状態推定への関数マッピングを学習する。
アプリケーションによって動機付けられた3つのベンチマークPDE例の状態推定について検討する。
- 参考スコア(独自算出の注目度): 56.65019598237507
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: State estimation is important for a variety of tasks, from forecasting to
substituting for unmeasured states in feedback controllers. Performing
real-time state estimation for PDEs using provably and rapidly converging
observers, such as those based on PDE backstepping, is computationally
expensive and in many cases prohibitive. We propose a framework for
accelerating PDE observer computations using learning-based approaches that are
much faster while maintaining accuracy. In particular, we employ the
recently-developed Fourier Neural Operator (FNO) to learn the functional
mapping from the initial observer state and boundary measurements to the state
estimate. By employing backstepping observer gains for previously-designed
observers with particular convergence rate guarantees, we provide numerical
experiments that evaluate the increased computational efficiency gained with
FNO. We consider the state estimation for three benchmark PDE examples
motivated by applications: first, for a reaction-diffusion (parabolic) PDE
whose state is estimated with an exponential rate of convergence; second, for a
parabolic PDE with exact prescribed-time estimation; and, third, for a pair of
coupled first-order hyperbolic PDEs that modeling traffic flow density and
velocity. The ML-accelerated observers trained on simulation data sets for
these PDEs achieves up to three orders of magnitude improvement in
computational speed compared to classical methods. This demonstrates the
attractiveness of the ML-accelerated observers for real-time state estimation
and control.
- Abstract(参考訳): 状態推定は、予測からフィードバックコントローラの未測定状態の置換まで、さまざまなタスクにおいて重要である。
PDEのバックステッピングをベースとした観測者など、実証的かつ迅速に収束する観測者によるPDEのリアルタイム状態推定は、計算コストが高く、多くの場合禁止される。
精度を保ちながらより高速な学習手法を用いてPDEオブザーバ計算を高速化するフレームワークを提案する。
特に、最近開発されたフーリエニューラル演算子(FNO)を用いて、初期観測値と境界測定値から状態推定値への関数マッピングを学習する。
特定の収束率を保証した前設計の観測者に対してバックステッピングオブザーバゲインを用いることで,fno による計算効率の向上を評価する数値実験を行う。
まず, 反応拡散(パラボリック)PDEに対して, その状態が指数的収束率で推定される場合, および, パラボリックPDEに対して, 正確な所定時間推定を行う場合, および, 交通流密度と速度をモデル化する一階双曲PDEを結合した一階双曲PDEについて, 状態推定を行う。
これらのPDEのシミュレーションデータセットで訓練されたML加速オブザーバは、古典的手法と比較して計算速度が最大で3桁向上する。
これは、リアルタイム状態推定と制御のためのml加速オブザーバの魅力を示す。
関連論文リスト
- Adaptive Neural-Operator Backstepping Control of a Benchmark Hyperbolic
PDE [3.3044728148521623]
適応型PDE制御におけるNOsの適用に関する最初の結果を示し, 再循環を伴うベンチマーク1次元双曲型PDEを提案する。
また,安定性を示す数値シミュレーションを行い,最大3桁のスピードアップを観測する。
論文 参考訳(メタデータ) (2024-01-15T17:52:15Z) - Moving-Horizon Estimators for Hyperbolic and Parabolic PDEs in 1-D [2.819498895723555]
観測者PDEの数値解の必要性をリアルタイムに除去するために,PDEの移動水平推定器を導入する。
我々は、双曲型PDEと放物型PDEの両方のクラスに対して、移動水平状態推定を明示的に生成するPDEバックステッピング法を用いてこれを実現する。
論文 参考訳(メタデータ) (2024-01-04T19:55:43Z) - Deep Equilibrium Based Neural Operators for Steady-State PDEs [100.88355782126098]
定常PDEに対する重み付けニューラルネットワークアーキテクチャの利点について検討する。
定常PDEの解を直接解くFNOアーキテクチャの深い平衡変種であるFNO-DEQを提案する。
論文 参考訳(メタデータ) (2023-11-30T22:34:57Z) - PDE-Refiner: Achieving Accurate Long Rollouts with Neural PDE Solvers [40.097474800631]
時間依存偏微分方程式(PDE)は、科学や工学においてユビキタスである。
ディープニューラルネットワークに基づくサロゲートへの関心が高まっている。
論文 参考訳(メタデータ) (2023-08-10T17:53:05Z) - Neural Operators for PDE Backstepping Control of First-Order Hyperbolic PIDE with Recycle and Delay [9.155455179145473]
我々は最近導入されたPDE制御のためのDeepONet演算子学習フレームワークを高度な双曲型クラスに拡張する。
PDEバックステッピング設計は非線形作用素の出力であるゲイン関数を生成する。
この演算子は、DeepONetニューラルネットワークと近似して、任意にきつい精度の程度に近似する。
論文 参考訳(メタデータ) (2023-07-21T08:57:16Z) - FaDIn: Fast Discretized Inference for Hawkes Processes with General
Parametric Kernels [82.53569355337586]
この研究は、有限なサポートを持つ一般パラメトリックカーネルを用いた時間点プロセス推論の効率的な解を提供する。
脳磁図(MEG)により記録された脳信号からの刺激誘発パターンの発生をモデル化し,その有効性を評価する。
その結果,提案手法により,最先端技術よりもパターン遅延の推定精度が向上することが示唆された。
論文 参考訳(メタデータ) (2022-10-10T12:35:02Z) - Robust and Adaptive Temporal-Difference Learning Using An Ensemble of
Gaussian Processes [70.80716221080118]
本稿では、時間差学習(TD)による政策評価の世代的視点について考察する。
OS-GPTDアプローチは、状態-逆ペアのシーケンスを観測することにより、与えられたポリシーの値関数を推定するために開発された。
1つの固定カーネルに関連する限られた表現性を緩和するために、GP前の重み付けアンサンブル(E)を用いて代替のスキームを生成する。
論文 参考訳(メタデータ) (2021-12-01T23:15:09Z) - Dynamic Iterative Refinement for Efficient 3D Hand Pose Estimation [87.54604263202941]
本稿では,従来の推定値の修正に部分的レイヤを反復的に活用する,小さなディープニューラルネットワークを提案する。
学習したゲーティング基準を用いて、ウェイトシェアリングループから抜け出すかどうかを判断し、モデルにサンプルごとの適応を可能にする。
提案手法は,広く使用されているベンチマークの精度と効率の両面から,最先端の2D/3Dハンドポーズ推定手法より一貫して優れている。
論文 参考訳(メタデータ) (2021-11-11T23:31:34Z) - Long-time integration of parametric evolution equations with
physics-informed DeepONets [0.0]
ランダムな初期条件を関連するPDE解に短時間でマッピングする無限次元演算子を学習するための効果的なフレームワークを提案する。
その後、訓練されたモデルを反復的に評価することにより、一連の初期条件にわたるグローバルな長期予測が得られる。
これは時間領域分解に対する新しいアプローチを導入し、正確な長期シミュレーションを実行するのに有効であることを示した。
論文 参考訳(メタデータ) (2021-06-09T20:46:17Z) - Critical Parameters for Scalable Distributed Learning with Large Batches
and Asynchronous Updates [67.19481956584465]
飽和を伴う分散トレーニング(SGD)の効率は、バッチサイズと、実装における停滞に決定的に依存することが実験的に観察されている。
結果がタイトであることを示し、数値実験で重要な結果を示しています。
論文 参考訳(メタデータ) (2021-03-03T12:08:23Z)
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。