論文の概要: On the Identifiability of Switching Dynamical Systems

• arxiv url: http://arxiv.org/abs/2305.15925v4
• Date: Tue, 4 Jun 2024 14:28:29 GMT
• ステータス: 処理完了
• システム内更新日: 2024-06-06 14:36:23.582163
• Title: On the Identifiability of Switching Dynamical Systems
• Title（参考訳）: スイッチング力学系の同定可能性について
• Authors: Carles Balsells-Rodas, Yixin Wang, Yingzhen Li,
• Abstract要約: 潜在変数モデルの識別可能性は、解釈可能性と分布外一般化の関係から注目されている。 スイッチング力学系の識別可能性について検討し, 逐次潜在変数モデルへの識別可能性解析の展開に向けた第一歩を踏み出した。
• 参考スコア（独自算出の注目度）: 34.514858559727266
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The identifiability of latent variable models has received increasing attention due to its relevance in interpretability and out-of-distribution generalisation. In this work, we study the identifiability of Switching Dynamical Systems, taking an initial step toward extending identifiability analysis to sequential latent variable models. We first prove the identifiability of Markov Switching Models, which commonly serve as the prior distribution for the continuous latent variables in Switching Dynamical Systems. We present identification conditions for first-order Markov dependency structures, whose transition distribution is parametrised via non-linear Gaussians. We then establish the identifiability of the latent variables and non-linear mappings in Switching Dynamical Systems up to affine transformations, by leveraging identifiability analysis techniques from identifiable deep latent variable models. We finally develop estimation algorithms for identifiable Switching Dynamical Systems. Throughout empirical studies, we demonstrate the practicality of identifiable Switching Dynamical Systems for segmenting high-dimensional time series such as videos, and showcase the use of identifiable Markov Switching Models for regime-dependent causal discovery in climate data.
• Abstract（参考訳）: 潜在変数モデルの識別可能性は、解釈可能性と分布外一般化の関係から注目されている。 本研究では,スイッチング力学系の識別可能性について検討し,逐次潜在変数モデルへの識別可能性解析の展開に向けて第一歩を踏み出した。 まず,スイッチング力学系における連続潜伏変数の事前分布として機能するマルコフスイッチングモデルの同定可能性を証明する。 遷移分布は非線形ガウスによってパラメトリされる一階マルコフ依存構造に対する同定条件を提案する。 次に、同定可能な深層潜伏変数モデルから識別可能性解析技術を活用することにより、アフィン変換へのスイッチング力学系における潜伏変数と非線形写像の識別可能性を確立する。 最終的に,スイッチング力学系を同定するための推定アルゴリズムを開発した。 実験的な研究を通じて,ビデオなどの高次元時系列をセグメント化するための特定可能なスイッチング・ダイナミクス・システムの実用性を実証し,気候データにおける状態依存因果発見のための識別可能なマルコフ・スイッチング・モデルの使用例を示した。

関連論文リスト

• Identifiability of Differential-Algebraic Systems [7.5929966855085755]
  本研究は非線形DAEを特徴とするモデルに対する新しい識別可能性試験を導入する。 我々は,様々なDAEモデルにまたがる識別可能性分析を適用し,システム識別性がセンサの選択,実験条件,モデル構造にどのように依存するかを考察した。
  論文  参考訳（メタデータ） (2024-05-22T16:48:47Z)
• A Poisson-Gamma Dynamic Factor Model with Time-Varying Transition Dynamics [51.147876395589925]
  非定常PGDSは、基礎となる遷移行列が時間とともに進化できるように提案されている。 後続シミュレーションを行うために, 完全共役かつ効率的なギブスサンプリング装置を開発した。 実験により,提案した非定常PGDSは,関連するモデルと比較して予測性能が向上することを示した。
  論文  参考訳（メタデータ） (2024-02-26T04:39:01Z)
• Let's do the time-warp-attend: Learning topological invariants of dynamical systems [3.9735602856280132]
  本稿では、動的状態の分類と分岐境界の特徴付けのための、データ駆動型、物理的にインフォームドされたディープラーニングフレームワークを提案する。 超臨界ホップ分岐のパラダイム的ケースに着目し、様々な応用の周期的ダイナミクスをモデル化する。 本手法は, 広範囲な力学系の定性的・長期的挙動に関する貴重な知見を提供し, 大規模物理・生物系における分岐や破滅的な遷移を検出する。
  論文  参考訳（メタデータ） (2023-12-14T18:57:16Z)
• An Interventional Perspective on Identifiability in Gaussian LTI Systems with Independent Component Analysis [44.892642197610215]
  ガウス線形時間不変 (LTI) システムでは, 多様な干渉信号を導入することで, システムパラメータを同定できることが示されている。 隠れマルコフモデルと(ガウス) LTI 系が連続パラメータを持つコーサル・デ・フィネッティの定理を一般化することを示した。
  論文  参考訳（メタデータ） (2023-11-29T19:51:35Z)
• Machine Learning for the identification of phase-transitions in interacting agent-based systems: a Desai-Zwanzig example [0.0]
  本稿では,エージェントモデルに対する位相遷移を平均フィールド限界でピンポイントするデータ駆動フレームワークを提案する。 この目的のために、多様体学習アルゴリズムであるマップを用いて、データ駆動潜在変数の相似集合を同定する。 次に、深層学習フレームワークを用いて、データ駆動座標の共形再パラメータ化を求める。
  論文  参考訳（メタデータ） (2023-10-29T15:07:08Z)
• Hybrid hidden Markov LSTM for short-term traffic flow prediction [0.0]
  本稿では,交通データの相補的特徴を学習可能なハイブリッド隠れマルコフ-LSTMモデルを提案する。 その結果,従来の手法と比較して,ハイブリッドアーキテクチャを用いた場合の大幅な性能向上が示唆された。
  論文  参考訳（メタデータ） (2023-07-11T00:56:44Z)
• Score-based Causal Representation Learning with Interventions [54.735484409244386]
  本稿では,潜在因果変数を間接的に観察する際の因果表現学習問題について検討する。 目的は、 (i) 未知の線形変換(スケーリングまで)を回復し、 (ii) 潜在変数の下の有向非巡回グラフ(DAG)を決定することである。
  論文  参考訳（メタデータ） (2023-01-19T18:39:48Z)
• Topographic VAEs learn Equivariant Capsules [84.33745072274942]
  本稿では, 地理的に整理された潜伏変数を用いた深部生成モデルを効率的に学習するための新しい手法であるTopographic VAEを紹介する。 このようなモデルでは,MNIST上での桁数クラス,幅,スタイルなどの健全な特徴に応じて,その活性化を組織化することが実際に学べることが示される。 我々は、既存の群同変ニューラルネットワークの能力を拡張して、複素変換に近似した同値性を示す。
  論文  参考訳（メタデータ） (2021-09-03T09:25:57Z)
• Estimation of Switched Markov Polynomial NARX models [75.91002178647165]
  非線形自己回帰(NARX)成分を特徴とするハイブリッド力学系のモデル群を同定する。 提案手法は, 特定の回帰器を持つ3つの非線形サブモデルからなるSMNARX問題に対して実証される。
  論文  参考訳（メタデータ） (2020-09-29T15:00:47Z)
• Euclideanizing Flows: Diffeomorphic Reduction for Learning Stable Dynamical Systems [74.80320120264459]
  本研究では、限られた数の人間の実演からそのような動きを学ぶためのアプローチを提案する。 複素運動は安定な力学系のロールアウトとして符号化される。 このアプローチの有効性は、確立されたベンチマーク上での検証と、現実世界のロボットシステム上で収集されたデモによって実証される。
  論文  参考訳（メタデータ） (2020-05-27T03:51:57Z)

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。