論文の概要: CEBoosting: Online Sparse Identification of Dynamical Systems with
Regime Switching by Causation Entropy Boosting
- arxiv url: http://arxiv.org/abs/2304.07863v1
- Date: Sun, 16 Apr 2023 19:14:03 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-18 17:00:01.398672
- Title: CEBoosting: Online Sparse Identification of Dynamical Systems with
Regime Switching by Causation Entropy Boosting
- Title（参考訳）: CEBoosting: 因果エントロピーブースティングによるレジームスイッチングによる動的システムのオンラインスパース同定
- Authors: Chuanqi Chen, Nan Chen, Jin-Long Wu
- Abstract要約: レジームスイッチングは、マルチスケールの特徴、カオス的振る舞い、極端な事象を持つ多くの複雑な力学系においてユビキタスである。
本稿では,レシエーションスイッチングの検出を容易にするために,因果エントロピーブースティング(CEBoosting)戦略を開発した。
この戦略はデータ同化と組み合わせて、観測されていない潜在プロセスによって引き起こされる状態切替を特定することができる。
- 参考スコア（独自算出の注目度）: 1.090458267119282
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Regime switching is ubiquitous in many complex dynamical systems with
multiscale features, chaotic behavior, and extreme events. In this paper, a
causation entropy boosting (CEBoosting) strategy is developed to facilitate the
detection of regime switching and the discovery of the dynamics associated with
the new regime via online model identification. The causation entropy, which
can be efficiently calculated, provides a logic value of each candidate
function in a pre-determined library. The reversal of one or a few such
causation entropy indicators associated with the model calibrated for the
current regime implies the detection of regime switching. Despite the short
length of each batch formed by the sequential data, the accumulated value of
causation entropy corresponding to a sequence of data batches leads to a robust
indicator. With the detected rectification of the model structure, the
subsequent parameter estimation becomes a quadratic optimization problem, which
is solved using closed analytic formulae. Using the Lorenz 96 model, it is
shown that the causation entropy indicator can be efficiently calculated, and
the method applies to moderately large dimensional systems. The CEBoosting
algorithm is also adaptive to the situation with partial observations. It is
shown via a stochastic parameterized model that the CEBoosting strategy can be
combined with data assimilation to identify regime switching triggered by the
unobserved latent processes. In addition, the CEBoosting method is applied to a
nonlinear paradigm model for topographic mean flow interaction, demonstrating
the online detection of regime switching in the presence of strong
intermittency and extreme events.
- Abstract（参考訳）: レジームスイッチングは、マルチスケールの特徴、カオス的振る舞い、極端な事象を持つ多くの複雑な力学系においてユビキタスである。
本稿では,オンラインモデル同定によるレジームスイッチングの検出と新しいレジームに関連するダイナミクスの発見を容易にするために,causation entropy boosting (ceboosting) 戦略を開発した。
効率的に計算可能な因果エントロピーは、予め決定されたライブラリ内の各候補関数の論理値を提供する。
1つまたは数つの因果エントロピー指標の反転は、現在のレジームに校正されたモデルに関連することは、レジームスイッチングの検出を意味する。
逐次データによって形成される各バッチの長さは短いが、データバッチのシーケンスに対応する因果エントロピーの累積値はロバストな指標となる。
検出されたモデル構造の整流化により、後続のパラメータ推定は2次最適化問題となり、閉解析式を用いて解く。
ローレンツ96モデルを用いて、因果エントロピーインジケータを効率よく計算できることを示し、その方法が適度に大きな次元系に適用された。
CEBoostingアルゴリズムは部分的な観測を伴う状況にも適応する。
確率的パラメータ化モデルを用いて,ceboosting戦略とデータ同化を組み合わせることで,観測されていない潜在プロセスによって引き起こされるレジームスイッチングを識別できることを示した。
さらに,セボオスト法を地形平均フロー相互作用の非線形パラダイムモデルに適用し,強い間欠性と極端な事象の存在下でのレジームスイッチングのオンライン検出を実証した。
関連論文リスト
- Change-Point Detection in Industrial Data Streams based on Online Dynamic Mode Decomposition with Control [5.293458740536858]
オンライン動的モード分解制御(ODMDwC)に基づく新しい変化点検出手法を提案する。
本手法は,Singular-Value-Decomposition法と比較して,直感的かつ優れた検出結果が得られることを示す。
論文 参考訳（メタデータ） (2024-07-08T14:18:33Z) - Statistical Mechanics of Dynamical System Identification [3.1484174280822845]
我々はスパース方程式探索アルゴリズムを統計的に解析する手法を開発した。
このフレームワークでは、統計力学は複雑さとフィットネスの間の相互作用を分析するためのツールを提供する。
論文 参考訳（メタデータ） (2024-03-04T04:32:28Z) - Causal Temporal Regime Structure Learning [49.77103348208835]
本稿では,各レシスタンスに対してDAG(Directed Acyclic Graph)を同時に学習する,新たな最適化手法(線形)を提案する。
我々は広範囲な実験を行い、その手法が様々な環境における因果発見モデルより一貫して優れていることを示す。
論文 参考訳（メタデータ） (2023-11-02T17:26:49Z) - Formal Controller Synthesis for Markov Jump Linear Systems with
Uncertain Dynamics [64.72260320446158]
マルコフジャンプ線形系に対する制御器の合成法を提案する。
本手法は,MJLSの離散(モードジャンピング)と連続(確率線形)の両方の挙動を捉える有限状態抽象化に基づいている。
本手法を複数の現実的なベンチマーク問題,特に温度制御と航空機の配送問題に適用する。
論文 参考訳（メタデータ） (2022-12-01T17:36:30Z) - Reduced order modeling of parametrized systems through autoencoders and
SINDy approach: continuation of periodic solutions [0.0]
本研究は,ROM構築と動的識別の低減を組み合わせたデータ駆動型非侵入型フレームワークを提案する。
提案手法は、非線形力学(SINDy)のパラメトリックスパース同定によるオートエンコーダニューラルネットワークを利用して、低次元力学モデルを構築する。
これらは、システムパラメータの関数として周期的定常応答の進化を追跡し、過渡位相の計算を避け、不安定性と分岐を検出することを目的としている。
論文 参考訳（メタデータ） (2022-11-13T01:57:18Z) - An Accelerated Doubly Stochastic Gradient Method with Faster Explicit
Model Identification [97.28167655721766]
本稿では、分散正規化損失最小化問題に対する2倍加速勾配降下法(ADSGD)を提案する。
まず、ADSGDが線形収束率を達成でき、全体的な計算複雑性を低減できることを示す。
論文 参考訳（メタデータ） (2022-08-11T22:27:22Z) - Large-Scale Sequential Learning for Recommender and Engineering Systems [91.3755431537592]
本稿では,現在の状況に適応してパーソナライズされたランキングを提供する自動アルゴリズムの設計に焦点を当てる。
前者はSAROSと呼ばれる新しいアルゴリズムを提案し,インタラクションの順序を学習するためのフィードバックの種類を考慮に入れている。
提案手法は, 電力網の故障検出に対する初期アプローチと比較して, 統計的に有意な結果を示す。
論文 参考訳（メタデータ） (2022-05-13T21:09:41Z) - Deep Explicit Duration Switching Models for Time Series [84.33678003781908]
状態依存型と時間依存型の両方のスイッチングダイナミクスを識別できるフレキシブルモデルを提案する。
状態依存スイッチングは、リカレントな状態-スイッチ接続によって実現される。
時間依存スイッチング動作を改善するために、明示的な期間カウント変数が使用される。
論文 参考訳（メタデータ） (2021-10-26T17:35:21Z) - Gaussian Process-based Min-norm Stabilizing Controller for
Control-Affine Systems with Uncertain Input Effects and Dynamics [90.81186513537777]
本稿では,この問題の制御・アフィン特性を捉えた新しい化合物カーネルを提案する。
この結果の最適化問題は凸であることを示し、ガウス過程に基づく制御リャプノフ関数第二次コーンプログラム(GP-CLF-SOCP)と呼ぶ。
論文 参考訳（メタデータ） (2020-11-14T01:27:32Z) - Convergence and sample complexity of gradient methods for the model-free
linear quadratic regulator problem [27.09339991866556]
本稿では,コントローラの空間を直接探索することにより,未知の計算系に対する最適制御を求める。
我々は、安定化フィードバックゲインの勾配-フローのダイナミクスセットに焦点をあてて、そのような手法の性能と効率を最小化するための一歩を踏み出した。
論文 参考訳（メタデータ） (2019-12-26T16:56:59Z)
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。