論文の概要: Reservoir Computing with Error Correction: Long-term Behaviors of
Stochastic Dynamical Systems
- arxiv url: http://arxiv.org/abs/2305.00669v1
- Date: Mon, 1 May 2023 05:50:17 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-02 14:02:42.110328
- Title: Reservoir Computing with Error Correction: Long-term Behaviors of
Stochastic Dynamical Systems
- Title（参考訳）: 誤差補正による貯留層計算:確率力学系の長期挙動
- Authors: Cheng Fang, Yubin Lu, Ting Gao, Jinqiao Duan
- Abstract要約: 本稿では,Reservoir Computingと正規化フローを組み合わせたデータ駆動型フレームワークを提案する。
マルコフ/非マルコフおよび線形/非線形微分方程式または遅延微分方程式で定義される定常/非定常過程を扱う。
提案手法の有効性を5つの実験で検証した。
- 参考スコア（独自算出の注目度）: 5.815325960286111
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The prediction of stochastic dynamical systems and the capture of dynamical
behaviors are profound problems. In this article, we propose a data-driven
framework combining Reservoir Computing and Normalizing Flow to study this
issue, which mimics error modeling to improve the traditional Reservoir
Computing performance and takes advantage of both approaches. This model-free
method successfully predicts the long-term evolution of stochastic dynamical
systems and replicates dynamical behaviors. With few assumptions about the
underlying stochastic dynamical systems, we deal with Markov/non-Markov and
stationary/non-stationary stochastic processes defined by linear/nonlinear
stochastic differential equations or stochastic delay differential equations.
We verify the effectiveness of the proposed framework in five experiments,
including the Ornstein-Uhlenbeck process, Double-Well system, El Ni\~no
Southern Oscillation simplified model, and stochastic Lorenz system.
Additionally, we explore the noise-induced tipping phenomena and the
replication of the strange attractor.
- Abstract（参考訳）: 確率力学系の予測と動的挙動の把握は重大な問題である。
本稿では,Reservoir Computingと正規化フローを組み合わせたデータ駆動型フレームワークを提案する。このフレームワークは,従来のReservoir Computingのパフォーマンスを改善するためにエラーモデリングを模倣し,両方のアプローチを利用する。
このモデルフリー手法は, 確率力学系の長期発展を予測し, 動的挙動を再現する。
マルコフ・非マルコフおよび定常・非定常確率過程を線形・非線形確率微分方程式または確率遅延微分方程式で定義する。
提案手法の有効性をornstein-uhlenbeck法,double-well system,el ni\~no southern oscillation simplified model,stochastic lorenz systemの5つの実験で検証した。
さらに,ノイズ誘起ティッピング現象とストレンジアトラクタの複製について検討する。
関連論文リスト
- Weak Collocation Regression for Inferring Stochastic Dynamics with
L\'{e}vy Noise [8.15076267771005]
本稿では,L'evyノイズを伴う力学を抽出するためのFokker-Planck(FP)方程式の弱い形式を提案する。
本手法は,多次元問題においても混合雑音を同時に識別することができる。
論文 参考訳（メタデータ） (2024-03-13T06:54:38Z) - Learning minimal representations of stochastic processes with
variational autoencoders [52.99137594502433]
プロセスを記述するのに必要なパラメータの最小セットを決定するために、教師なしの機械学習アプローチを導入する。
我々の手法はプロセスを記述する未知のパラメータの自律的な発見を可能にする。
論文 参考訳（メタデータ） (2023-07-21T14:25:06Z) - Capturing dynamical correlations using implicit neural representations [85.66456606776552]
実験データから未知のパラメータを復元するために、モデルハミルトンのシミュレーションデータを模倣するために訓練されたニューラルネットワークと自動微分を組み合わせた人工知能フレームワークを開発する。
そこで本研究では, 実時間から多次元散乱データに適用可能な微分可能なモデルを1回だけ構築し, 訓練する能力について述べる。
論文 参考訳（メタデータ） (2023-04-08T07:55:36Z) - 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) - 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) - Extracting stochastic dynamical systems with $\alpha$-stable L\'evy
noise from data [14.230182518492311]
本稿では,短時間のバーストデータから$$alpha$-stable L'evyノイズを持つシステムを抽出するデータ駆動方式を提案する。
より具体的には、最初にL'evyジャンプ測度と雑音強度を推定する。
次に,非局所クラマース・モヤル式と正規化流を組み合わせることでドリフト係数を近似する。
論文 参考訳（メタデータ） (2021-09-30T06:57:42Z) - Extracting Governing Laws from Sample Path Data of Non-Gaussian
Stochastic Dynamical Systems [4.527698247742305]
我々は、利用可能なデータから非ガウスL'evy雑音の方程式を推定し、動的挙動を合理的に予測する。
理論的枠組みを確立し、非対称なL'evyジャンプ測度、ドリフト、拡散を計算する数値アルゴリズムを設計する。
この方法は、利用可能なデータセットから規制法則を発見し、複雑なランダム現象のメカニズムを理解するのに有効なツールとなる。
論文 参考訳（メタデータ） (2021-07-21T14:50:36Z) - ImitationFlow: Learning Deep Stable Stochastic Dynamic Systems by
Normalizing Flows [29.310742141970394]
我々は,世界規模で安定な非線形力学を学習できる新しいDeep生成モデルであるImitationFlowを紹介した。
提案手法の有効性を,標準データセットと実ロボット実験の両方で示す。
論文 参考訳（メタデータ） (2020-10-25T14:49:46Z) - Multiplicative noise and heavy tails in stochastic optimization [62.993432503309485]
経験的最適化は現代の機械学習の中心であるが、その成功における役割はまだ不明である。
分散による離散乗法雑音のパラメータによく現れることを示す。
最新のステップサイズやデータを含む重要な要素について、詳細な分析を行い、いずれも最先端のニューラルネットワークモデルで同様の結果を示す。
論文 参考訳（メタデータ） (2020-06-11T09:58:01Z) - A Data-Driven Approach for Discovering Stochastic Dynamical Systems with
Non-Gaussian Levy Noise [5.17900889163564]
ノイズの多いデータセットから規制法則を抽出する新しいデータ駆動手法を開発した。
まず, ドリフト係数, 拡散係数, ジャンプ測度を表現し, 実現可能な理論的枠組みを確立する。
そこで我々は, ドリフト, 拡散係数, ジャンプ測度を計算する数値アルゴリズムを設計し, ガウス雑音および非ガウス雑音による支配方程式を抽出する。
論文 参考訳（メタデータ） (2020-05-07T21:29:17Z)
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。