Fugu-MT 論文翻訳(概要): System Identification with Copula Entropy

論文の概要: System Identification with Copula Entropy

arxiv url: http://arxiv.org/abs/2304.12922v1
Date: Sun, 23 Apr 2023 09:56:33 GMT
ステータス: 処理完了
システム内更新日: 2023-04-26 19:55:15.688778
Title: System Identification with Copula Entropy
Title（参考訳）: copulaエントロピーを用いたシステム同定
Authors: Jian Ma
Abstract要約: コプラエントロピー(CE)を用いた力学系の微分方程式の同定法を提案する。この問題は変数選択問題と見なされ、従来提案されていた変数選択のためのCE法で解決された。
参考スコア（独自算出の注目度）: 2.3980064191633232
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Identifying differential equation governing dynamical system is an important problem with wide applications. Copula Entropy (CE) is a mathematical concept for measuring statistical independence in information theory. In this paper we propose a method for identifying differential equation of dynamical systems with CE. The problem is considered as a variable selection problem and solved with the previously proposed CE-based method for variable selection. The proposed method composed of two components: the difference operator and the CE estimator. Since both components can be done non-parametrically, the proposed method is therefore model-free and hyperparameter-free. The simulation experiment with the 3D Lorenz system verified the effectiveness of the proposed method.
Abstract（参考訳）: 力学系を支配する微分方程式の同定は、幅広い応用において重要な問題である。コピュラエントロピー(英語: Copula Entropy、CE)は、情報理論における統計的独立性を測定する数学的概念である。本稿では,CEを用いた力学系の微分方程式の同定法を提案する。この問題は変数選択問題と見なされ、前述した変数選択のためのceベースの手法で解決される。提案手法は差分演算子とCE推定器の2つの成分からなる。両コンポーネントは非パラメトリックに実行できるため,提案手法はモデルフリーかつハイパーパラメータフリーである。 3次元ロレンツシステムを用いたシミュレーション実験により,提案手法の有効性を検証した。

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)
PI-VEGAN: Physics Informed Variational Embedding Generative Adversarial Networks for Stochastic Differential Equations [14.044012646069552]
本稿では,新しい物理インフォームドニューラルネットワーク(PI-VEGAN)について紹介する。 PI-VEGANは微分方程式の前方、逆、混合問題に効果的に取り組む。我々は,システムパラメータと解の同時計算を必要とする,前方・逆・混合問題に対するPI-VEGANの有効性を評価する。
論文参考訳（メタデータ） (2023-07-21T01:18:02Z)
Parameter Identification for Partial Differential Equations with Spatiotemporal Varying Coefficients [5.373009527854677]
種々の偏微分方程式によって制御される多状態系のパラメータ同定を容易にする枠組みを提案する。我々のフレームワークは、制約付き自己適応型ニューラルネットワークと、サブネットワーク物理インフォームドニューラルネットワークの2つの統合コンポーネントで構成されている。我々は,時間変化パラメータを持つ1次元バーガースの場合と空間変化パラメータを持つ2次元波動方程式の2つの数値ケースにおいて,本フレームワークの有効性を実証した。
論文参考訳（メタデータ） (2023-06-30T07:17:19Z)
An Optimization-based Deep Equilibrium Model for Hyperspectral Image Deconvolution with Convergence Guarantees [71.57324258813675]
本稿では,ハイパースペクトル画像のデコンボリューション問題に対処する新しい手法を提案する。新しい最適化問題を定式化し、学習可能な正規化器をニューラルネットワークの形で活用する。導出した反復解法は、Deep Equilibriumフレームワーク内の不動点計算問題として表現される。
論文参考訳（メタデータ） (2023-06-10T08:25:16Z)
Discover governing differential equations from evolving systems [17.883650663817836]
本稿では,サンプルを逐次処理できるオンラインモデリング手法を提案する。提案手法は,ストリーミングデータから常微分方程式 (ODE) と偏微分方程式 (PDE) の発見に有効である。
論文参考訳（メタデータ） (2023-01-19T03:18:54Z)
Symbolic Recovery of Differential Equations: The Identifiability Problem [52.158782751264205]
微分方程式の記号的回復は、支配方程式の導出を自動化する野心的な試みである。関数が対応する微分方程式を一意に決定するために必要な条件と十分な条件の両方を提供する。この結果を用いて、関数が微分方程式を一意に解くかどうかを判定する数値アルゴリズムを考案する。
論文参考訳（メタデータ） (2022-10-15T17:32:49Z)
Identifiability and Asymptotics in Learning Homogeneous Linear ODE Systems from Discrete Observations [114.17826109037048]
通常の微分方程式(ODE)は、機械学習において最近多くの注目を集めている。理論的な側面、例えば、統計的推定の識別可能性と特性は、いまだに不明である。本稿では,1つの軌道からサンプリングされた等間隔の誤差のない観測結果から,同次線形ODE系の同定可能性について十分な条件を導出する。
論文参考訳（メタデータ） (2022-10-12T06:46:38Z)
PI-VAE: Physics-Informed Variational Auto-Encoder for stochastic differential equations [2.741266294612776]
我々は、物理学インフォームド・ニューラルネットワーク(PI-VAE)と呼ばれる新しいタイプの物理インフォームド・ニューラルネットワークを提案する。 PI-VAEは、システム変数とパラメータのサンプルを生成する変分オートエンコーダ(VAE)で構成されている。提案手法の精度と効率を,物理インフォームド生成対向ネットワーク (PI-WGAN) と比較して数値的に検証した。
論文参考訳（メタデータ） (2022-03-21T21:51:19Z)
Capturing Actionable Dynamics with Structured Latent Ordinary Differential Equations [68.62843292346813]
本稿では,その潜在表現内でのシステム入力の変動をキャプチャする構造付き潜在ODEモデルを提案する。静的変数仕様に基づいて,本モデルではシステムへの入力毎の変動要因を学習し,潜在空間におけるシステム入力の影響を分離する。
論文参考訳（メタデータ） (2022-02-25T20:00:56Z)
Differential Equation Based Path Integral for System-Bath Dynamics [0.0]
本稿では,自由量子系の実時間進化をシミュレートする微分方程式に基づく経路積分(DEBPI)法を提案する。これらの微分方程式を離散化することで、新しい数値スキームを導出することができる。適切なシステムを選択し,適切な数値スキームを適用することで,i-QuAPI法に必要なメモリコストを大幅に削減できることを数値的に検証した。
論文参考訳（メタデータ） (2021-07-22T15:06:22Z)
Multi-objective discovery of PDE systems using evolutionary approach [77.34726150561087]
本稿では,多目的共進化アルゴリズムについて述べる。システム内の単一の方程式とシステム自体が同時に進化し、システムを得る。単一のベクトル方程式とは対照的に、コンポーネント・ワイド・システムは専門家の解釈により適しており、従って応用にも適している。
論文参考訳（メタデータ） (2021-03-11T15:37:52Z)

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。