論文の概要: Machine learning with data assimilation and uncertainty quantification
for dynamical systems: a review
- arxiv url: http://arxiv.org/abs/2303.10462v1
- Date: Sat, 18 Mar 2023 17:23:52 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-21 19:09:57.690606
- Title: Machine learning with data assimilation and uncertainty quantification
for dynamical systems: a review
- Title(参考訳): 動的システムのデータ同化と不確実性定量化を用いた機械学習
- Authors: Sibo Cheng, Cesar Quilodran-Casas, Said Ouala, Alban Farchi, Che Liu,
Pierre Tandeo, Ronan Fablet, Didier Lucor, Bertrand Iooss, Julien Brajard,
Dunhui Xiao, Tijana Janjic, Weiping Ding, Yike Guo, Alberto Carrassi, Marc
Bocquet, Rossella Arcucci
- Abstract要約: 近年、DA、UQ、機械学習(ML)技術の組み合わせに多くの努力がなされている。
これらの研究は、高次元力学系におけるいくつかの重要な課題に対処しようとしている。
本稿では,この学際分野における最先端研究について概説する。
- 参考スコア(独自算出の注目度): 31.98982508378454
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Data Assimilation (DA) and Uncertainty quantification (UQ) are extensively
used in analysing and reducing error propagation in high-dimensional
spatial-temporal dynamics. Typical applications span from computational fluid
dynamics (CFD) to geoscience and climate systems. Recently, much effort has
been given in combining DA, UQ and machine learning (ML) techniques. These
research efforts seek to address some critical challenges in high-dimensional
dynamical systems, including but not limited to dynamical system
identification, reduced order surrogate modelling, error covariance
specification and model error correction. A large number of developed
techniques and methodologies exhibit a broad applicability across numerous
domains, resulting in the necessity for a comprehensive guide. This paper
provides the first overview of the state-of-the-art researches in this
interdisciplinary field, covering a wide range of applications. This review
aims at ML scientists who attempt to apply DA and UQ techniques to improve the
accuracy and the interpretability of their models, but also at DA and UQ
experts who intend to integrate cutting-edge ML approaches to their systems.
Therefore, this article has a special focus on how ML methods can overcome the
existing limits of DA and UQ, and vice versa. Some exciting perspectives of
this rapidly developing research field are also discussed.
- Abstract(参考訳): データ同化(DA)と不確かさ量子化(UQ)は、高次元空間時間力学における誤差伝播の解析と低減に広く用いられている。
典型的な応用は計算流体力学(CFD)から地球科学や気候システムまで様々である。
近年、DA、UQ、機械学習(ML)技術の組み合わせに多くの努力がなされている。
これらの研究は、力学系同定、減次サロゲートモデリング、誤差共分散仕様、モデル誤差補正など、高次元力学系におけるいくつかの重要な課題に対処することを目的としている。
多くの先進的な技術や方法論は、多くの領域で幅広い適用性を示しており、包括的なガイドが必要である。
本稿では,この学際分野における最先端研究について概説し,幅広い応用分野について概説する。
このレビューは、DAおよびUQ技術を適用してモデルの精度と解釈可能性を向上させることを目指す機械学習科学者だけでなく、最先端のMLアプローチをシステムに統合しようとするDAおよびUQ専門家も対象とする。
したがって、この記事では、MLメソッドが既存のDAとUQの限界を克服する方法に特化しています。
この急速に発展する研究分野のいくつかのエキサイティングな視点についても論じる。
関連論文リスト
- On Robust Numerical Solver for ODE via Self-Attention Mechanism [82.95493796476767]
我々は,内在性雑音障害を緩和し,AIによって強化された数値解法を,データサイズを小さくする訓練について検討する。
まず,教師付き学習における雑音を制御するための自己認識機構の能力を解析し,さらに微分方程式の数値解に付加的な自己認識機構を導入し,簡便かつ有効な数値解法であるAttrを提案する。
論文 参考訳(メタデータ) (2023-02-05T01:39:21Z) - Deep learning applied to computational mechanics: A comprehensive
review, state of the art, and the classics [77.34726150561087]
人工知能,特に深層学習(DL)の最近の進歩を概観する。
ハイブリッドおよび純粋機械学習(ML)の手法について論じる。
AIの歴史と限界は、特に古典の誤解や誤解を指摘し、議論され、議論される。
論文 参考訳(メタデータ) (2022-12-18T02:03:00Z) - Survey on Deep Fuzzy Systems in regression applications: a view on
interpretability [1.2158275183241178]
回帰問題は、ディープラーニング(DL)技術によってますます受け入れられてきた。
これらのモデルの解釈可能性にアクセスすることは、センシティブな領域の問題に対処する上で重要な要素である。
本稿では,DLとFLSを組み合わせた既存手法の現状について検討する。
論文 参考訳(メタデータ) (2022-09-09T10:40:31Z) - NeuralUQ: A comprehensive library for uncertainty quantification in
neural differential equations and operators [0.0]
機械学習における不確実性定量化(UQ)は、現在、研究の関心が高まっている。
我々は,SciMLのUQメソッドを便利かつ構造化した方法で使用するために,NeuralUQと呼ばれるオープンソースのPythonライブラリを提案する。
論文 参考訳(メタデータ) (2022-08-25T04:28:18Z) - Using Machine Learning to Anticipate Tipping Points and Extrapolate to
Post-Tipping Dynamics of Non-Stationary Dynamical Systems [0.0]
転倒点遷移と転倒後の長期行動を予測する機械学習タスクについて検討する。
本稿では,この課題に対して,ML手法が有効な結果が得られる範囲と,それらが失敗する条件について検討する。
本論文の主な結論は,非定常力学系の挙動を予測するためのMLベースのアプローチが有望なツールであるということである。
論文 参考訳(メタデータ) (2022-07-01T16:06:12Z) - Learning continuous models for continuous physics [94.42705784823997]
本研究では,科学技術応用のための機械学習モデルを検証する数値解析理論に基づくテストを開発する。
本研究は,従来のMLトレーニング/テスト手法と一体化して,科学・工学分野におけるモデルの検証を行う方法である。
論文 参考訳(メタデータ) (2022-02-17T07:56:46Z) - Latent Space Data Assimilation by using Deep Learning [0.0]
データ同化(DA)を低コストで行うことは、地球系のモデリングにおいて主要な関心事である。
daフレームワークにディープラーニング(dl)メソッドを組み込んでいます。
本稿では,オートエンコーダ(AE)による潜時構造を利用して,モデル誤差(ETKF-Q)を潜時空間に有するEnsemble Transform Kalman Filterを設計する。
論文 参考訳(メタデータ) (2021-04-01T12:25:55Z) - Interpretable Hyperspectral AI: When Non-Convex Modeling meets
Hyperspectral Remote Sensing [57.52865154829273]
ハイパースペクトルイメージング、別名画像分光法は、地球科学リモートセンシング(RS)におけるランドマーク技術です。
過去10年間で、主に熟練した専門家によってこれらのハイパースペクトル(HS)製品を分析するための取り組みが行われています。
このため、さまざまなHS RSアプリケーションのためのよりインテリジェントで自動的なアプローチを開発することが急務です。
論文 参考訳(メタデータ) (2021-03-02T03:32:10Z) - Using Data Assimilation to Train a Hybrid Forecast System that Combines
Machine-Learning and Knowledge-Based Components [52.77024349608834]
利用可能なデータがノイズの多い部分測定の場合,カオスダイナミクスシステムのデータ支援予測の問題を検討する。
動的システムの状態の部分的測定を用いることで、不完全な知識ベースモデルによる予測を改善するために機械学習モデルを訓練できることを示す。
論文 参考訳(メタデータ) (2021-02-15T19:56:48Z) - Model-Based Deep Learning [155.063817656602]
信号処理、通信、制御は伝統的に古典的な統計モデリング技術に依存している。
ディープニューラルネットワーク(DNN)は、データから操作を学ぶ汎用アーキテクチャを使用し、優れたパフォーマンスを示す。
私たちは、原理数学モデルとデータ駆動システムを組み合わせて両方のアプローチの利点を享受するハイブリッド技術に興味があります。
論文 参考訳(メタデータ) (2020-12-15T16:29:49Z)
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。