Fugu-MT 論文翻訳(概要): Reservoir computing based on solitary-like waves dynamics of film flows: a proof of concept

論文の概要: Reservoir computing based on solitary-like waves dynamics of film flows: a proof of concept

arxiv url: http://arxiv.org/abs/2303.01801v1
Date: Fri, 3 Mar 2023 09:17:53 GMT
ステータス: 処理完了
システム内更新日: 2023-03-06 15:32:05.659030
Title: Reservoir computing based on solitary-like waves dynamics of film flows: a proof of concept
Title（参考訳）: 膜流の孤立的な波動ダイナミクスに基づく貯留層計算--概念実証
Authors: Ivan S. Maksymov and Andrey Pototsky
Abstract要約: 傾斜面を流れる液膜表面を伝搬する孤立性(SL)波を初めて利用した新しい貯水池計算(RC)システムを提案し,実験的に検証した。本稿では,SL波RCシステムによるカオス時系列の予測と,本質的なベンチマーク試験に合格する能力を示す。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Several theoretical works have shown that solitons -- waves that self-maintain constant shape and velocity as they propagate -- can be used as a physical computational reservoir, a concept where machine learning algorithms designed for digital computers are replaced by analog physical systems that exhibit nonlinear dynamical behaviour. Here we propose and experimentally validate a novel reservoir computing (RC) system that for the first time employs solitary-like (SL) waves propagating on the surface of a liquid film flowing over an inclined surface. We demonstrate the ability of the SL wave RC system (SLRC) to forecast chaotic time series and to successfully pass essential benchmark tests, including a memory capacity test and a Mackey-Glass model test.
Abstract（参考訳）: いくつかの理論的研究により、ソリトンは物理計算貯水池として利用でき、デジタルコンピュータ用に設計された機械学習アルゴリズムは非線形力学挙動を示すアナログ物理システムに置き換えられる。本稿では, 傾斜面上を流れる液膜表面に伝播する孤立型(sl)波を用いた新しい貯留層計算(rc)システムを提案し, 実験的に検証する。本稿では,SL波RCシステム(SLRC)によるカオス時系列の予測と,メモリキャパシティテストやMackey-Glassモデルテストを含む重要なベンチマークテストに成功していることを示す。

関連論文リスト

KFD-NeRF: Rethinking Dynamic NeRF with Kalman Filter [49.85369344101118]
KFD-NeRFは,Kalmanフィルタに基づく効率的かつ高品質な運動再構成フレームワークと統合された,新しい動的ニューラル放射場である。我々のキーとなる考え方は、動的放射場を、観測と予測という2つの知識源に基づいて時間的に異なる状態が推定される動的システムとしてモデル化することである。我々のKFD-NeRFは、同等の計算時間と最先端の視線合成性能で、徹底的な訓練を施した類似または優れた性能を示す。
論文参考訳（メタデータ） (2024-07-18T05:48:24Z)
Reservoir Computing Using Measurement-Controlled Quantum Dynamics [0.0]
共振器内のプローブ原子の力学を利用する量子RCシステムを提案する。提案した量子貯水池は、少数の人工ニューロンを用いて高速で信頼性の高い予測を行うことができる。
論文参考訳（メタデータ） (2024-03-01T22:59:41Z)
Physical Reservoir Computing Enabled by Solitary Waves and Biologically-Inspired Nonlinear Transformation of Input Data [0.0]
Reservoir Computing (RC) システムはランダム接続を持つ人工ニューラルネットワークの非線形力学特性を用いてカオス時系列を効率的に予測することができる。本稿では,生体内脳内の非線形過程に着想を得て,入力データの非線形変換にランダム性の影響を代用する物理RCシステムについて実験的に検証する。
論文参考訳（メタデータ） (2024-01-03T06:22:36Z)
Controlling dynamical systems to complex target states using machine learning: next-generation vs. classical reservoir computing [68.8204255655161]
機械学習を用いた非線形力学系の制御は、システムを周期性のような単純な振る舞いに駆動するだけでなく、より複雑な任意の力学を駆動する。まず, 従来の貯水池計算が優れていることを示す。次のステップでは、これらの結果を異なるトレーニングデータに基づいて比較し、代わりに次世代貯水池コンピューティングを使用する別のセットアップと比較する。その結果、通常のトレーニングデータに対して同等のパフォーマンスを提供する一方で、次世代RCは、非常に限られたデータしか利用できない状況において、著しくパフォーマンスが向上していることがわかった。
論文参考訳（メタデータ） (2023-07-14T07:05:17Z)
Optimization of a Hydrodynamic Computational Reservoir through Evolution [58.720142291102135]
我々は,スタートアップが開発中の流体力学系のモデルと,計算貯水池としてインターフェースする。我々は、進化探索アルゴリズムを用いて、読み出し時間と入力を波の振幅や周波数にどのようにマッピングするかを最適化した。この貯水池システムに進化的手法を適用することで、手作業パラメータを用いた実装と比較して、XNORタスクの分離性が大幅に向上した。
論文参考訳（メタデータ） (2023-04-20T19:15:02Z)
Large-scale simulations of Floquet physics on near-term quantum computers [0.3252295747842729]
本稿では,量子ハードウェア上で高速駆動型量子システムをシミュレートするためのQHiFFSアルゴリズムを提案する。 QHiFFSの中心はキック演算子の概念であり、力学が時間に依存しない実効ハミルトニアンによって支配される基底となる。
論文参考訳（メタデータ） (2023-03-03T20:45:01Z)
Stabilizing Machine Learning Prediction of Dynamics: Noise and Noise-inspired Regularization [58.720142291102135]
近年、機械学習(ML)モデルはカオス力学系の力学を正確に予測するために訓練可能であることが示されている。緩和技術がなければ、この技術は人工的に迅速にエラーを発生させ、不正確な予測と/または気候不安定をもたらす可能性がある。トレーニング中にモデル入力に付加される多数の独立雑音実効化の効果を決定論的に近似する正規化手法であるLinearized Multi-Noise Training (LMNT)を導入する。
論文参考訳（メタデータ） (2022-11-09T23:40:52Z)
Physics-Inspired Temporal Learning of Quadrotor Dynamics for Accurate Model Predictive Trajectory Tracking [76.27433308688592]
クオーロタのシステムダイナミクスを正確にモデル化することは、アジャイル、安全、安定したナビゲーションを保証する上で非常に重要です。本稿では,ロボットの経験から,四重項系の力学を純粋に学習するための新しい物理インスパイアされた時間畳み込みネットワーク(PI-TCN)を提案する。提案手法は,スパース時間的畳み込みと高密度フィードフォワード接続の表現力を組み合わせて,正確なシステム予測を行う。
論文参考訳（メタデータ） (2022-06-07T13:51:35Z)
Neural Echo State Network using oscillations of gas bubbles in water: Computational validation by Mackey-Glass time series forecasting [0.0]
本研究では,水中で発振するガス気泡のクラスターの音響応答の非線形性と標準エコー状態ネットワーク(ESN)アルゴリズムを組み合わせたRCシステムを提案する。提案したRCシステムの妥当性を,ESNの効率でカオスなマッキーグラス時系列を予測できることを示し,計算的に検証した。
論文参考訳（メタデータ） (2021-12-22T00:21:54Z)
Fast Modeling and Understanding Fluid Dynamics Systems with Encoder-Decoder Networks [0.0]
本研究では,有限体積シミュレータを用いて,高精度な深層学習に基づくプロキシモデルを効率的に教えることができることを示す。従来のシミュレーションと比較して、提案したディープラーニングアプローチはより高速なフォワード計算を可能にする。深層学習モデルの重要物理パラメータに対する感度を定量化することにより、インバージョン問題を大きな加速で解くことができることを示す。
論文参考訳（メタデータ） (2020-06-09T17:14:08Z)
Liquid Time-constant Networks [117.57116214802504]
本稿では,時間連続リカレントニューラルネットワークモデルについて紹介する。暗黙の非線形性によって学習システムの力学を宣言する代わりに、線形一階力学系のネットワークを構築する。これらのニューラルネットワークは安定かつ有界な振る舞いを示し、ニューラル常微分方程式の族の中で優れた表現性をもたらす。
論文参考訳（メタデータ） (2020-06-08T09:53:35Z)

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。