論文の概要: Geometric constraints improve inference of sparsely observed stochastic dynamics

• arxiv url: http://arxiv.org/abs/2304.00423v1
• Date: Sun, 2 Apr 2023 01:38:05 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-04 18:06:19.583328
• Title: Geometric constraints improve inference of sparsely observed stochastic dynamics
• Title（参考訳）: 幾何学的制約はスパース観測確率力学の推論を改善する
• Authors: Dimitra Maoutsa
• Abstract要約: スパース・イン・タイムの観測からシステムを正確に推定する新しい手法を提案する。 不変系の密度の幾何を考慮したデータ駆動制御を用いた経路拡張方式を提案する。 拡張経路上の非パラメトリック推論は、低サンプリングレートで観測されるシステムの根底にある決定力の効率的な同定を可能にする。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The dynamics of systems of many degrees of freedom evolving on multiple scales are often modeled in terms of stochastic differential equations. Usually the structural form of these equations is unknown and the only manifestation of the system's dynamics are observations at discrete points in time. Despite their widespread use, accurately inferring these systems from sparse-in-time observations remains challenging. Conventional inference methods either focus on the temporal structure of observations, neglecting the geometry of the system's invariant density, or use geometric approximations of the invariant density, which are limited to conservative driving forces. To address these limitations, here, we introduce a novel approach that reconciles these two perspectives. We propose a path augmentation scheme that employs data-driven control to account for the geometry of the invariant system's density. Non-parametric inference on the augmented paths, enables efficient identification of the underlying deterministic forces of systems observed at low sampling rates.
• Abstract（参考訳）: 複数のスケールで進化する自由度系の力学はしばしば確率微分方程式によってモデル化される。 通常、これらの方程式の構造形式は未知であり、系の力学の現示は時間の離散点における観測のみである。 広く使われているにもかかわらず、これらのシステムを時間内スパース観測から正確に推測することは依然として困難である。 従来の推定手法では、観測の時間的構造に注目したり、システムの不変密度の幾何学を無視したり、保存的な駆動力に制限された不変密度の幾何学的近似を用いる。 これらの制約に対処するために、我々はこれらの2つの視点を調和させる新しいアプローチを導入する。 本研究では,不変系の密度分布を考慮したデータ駆動制御を用いた経路拡張方式を提案する。 拡張経路上の非パラメトリック推論は、低サンプリングレートで観測されるシステムの根底にある決定力の効率的な同定を可能にする。

関連論文リスト

• Learning Controlled Stochastic Differential Equations [61.82896036131116]
  本研究では,非一様拡散を伴う連続多次元非線形微分方程式のドリフト係数と拡散係数の両方を推定する新しい手法を提案する。 我々は、(L2)、(Linfty)の有限サンプル境界や、係数の正則性に適応する学習率を持つリスクメトリクスを含む、強力な理論的保証を提供する。 当社のメソッドはオープンソースPythonライブラリとして利用可能です。
  論文  参考訳（メタデータ） (2024-11-04T11:09:58Z)
• TANGO: Time-Reversal Latent GraphODE for Multi-Agent Dynamical Systems [43.39754726042369]
  連続グラフニューラルネットワークに基づく常微分方程式(GraphODE)により予測される前後の軌跡を整列するソフト制約として,単純かつ効果的な自己監督型正規化項を提案する。 時間反転対称性を効果的に課し、古典力学の下でより広い範囲の力学系にわたってより正確なモデル予測を可能にする。 様々な物理システムに対する実験結果から,提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2023-10-10T08:52:16Z)
• Machine learning in and out of equilibrium [58.88325379746631]
  我々の研究は、統計物理学から適応したフォッカー・プランク法を用いて、これらの平行線を探索する。 我々は特に、従来のSGDでは平衡が切れている長期的限界におけるシステムの定常状態に焦点を当てる。 本稿では,ミニバッチの置き換えを伴わない新しいランゲヴィンダイナミクス(SGLD)を提案する。
  論文  参考訳（メタデータ） (2023-06-06T09:12:49Z)
• Gentlest ascent dynamics on manifolds defined by adaptively sampled point-clouds [0.0]
  力学系のサドル点を見つけることは、分子系の稀な事象の研究のような実践的な応用において重要な問題である。 GADは、力学系のサドル点を見つけようとする多くのアルゴリズムの1つである。
  論文  参考訳（メタデータ） (2023-02-09T03:40:18Z)
• Geometric path augmentation for inference of sparsely observed stochastic nonlinear systems [0.0]
  本稿では,局所的な観測幾何学を考慮した新しいデータ駆動経路拡張手法を提案する。 低サンプリングレートで観測されたシステムに対して,基礎となるシステムの決定論的駆動力を効率的に同定できる。
  論文  参考訳（メタデータ） (2023-01-19T14:45:03Z)
• Decimation technique for open quantum systems: a case study with driven-dissipative bosonic chains [62.997667081978825]
  量子系の外部自由度への不可避結合は、散逸(非単体)ダイナミクスをもたらす。 本稿では,グリーン関数の(散逸的な)格子計算に基づいて,これらのシステムに対処する手法を提案する。 本手法のパワーを,複雑性を増大させる駆動散逸型ボゾン鎖のいくつかの例で説明する。
  論文  参考訳（メタデータ） (2022-02-15T19:00:09Z)
• Structure-Preserving Learning Using Gaussian Processes and Variational Integrators [62.31425348954686]
  本稿では,機械系の古典力学に対する変分積分器と,ガウス過程の回帰による残留力学の学習の組み合わせを提案する。 我々は、既知のキネマティック制約を持つシステムへのアプローチを拡張し、予測の不確実性に関する公式な境界を提供する。
  論文  参考訳（メタデータ） (2021-12-10T11:09:29Z)
• Sparse Identification of Nonlinear Dynamical Systems via Reweighted $\ell_1$-regularized Least Squares [62.997667081978825]
  本研究は, 非線形系の制御方程式をノイズ状態測定から復元するための繰り返しスパース規則化回帰法を提案する。 本研究の目的は、状態測定ノイズの存在下での手法の精度とロバスト性を改善することである。
  論文  参考訳（メタデータ） (2020-05-27T08:30:15Z)
• On dissipative symplectic integration with applications to gradient-based optimization [77.34726150561087]
  本稿では,離散化を体系的に実現する幾何学的枠組みを提案する。 我々は、シンプレクティックな非保守的、特に散逸的なハミルトン系への一般化が、制御された誤差まで収束率を維持することができることを示す。
  論文  参考訳（メタデータ） (2020-04-15T00:36:49Z)
• The entanglement membrane in chaotic many-body systems [0.0]
  ある種の解析的抽出可能な量子カオスシステムでは、時間外相関関数の計算、クエンチ後の絡み合いエントロピー、その他の関連する動的可観測物は、時空における絡み合い膜の効果的な理論に還元される。 ここでは、ランダムなユニタリ平均を含まない、より現実的なモデルでこの膜を理解する方法を示す。
  論文  参考訳（メタデータ） (2019-12-27T19:01:13Z)

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。