論文の概要: Early warning via transitions in latent stochastic dynamical systems

• arxiv url: http://arxiv.org/abs/2309.03842v1
• Date: Thu, 7 Sep 2023 16:55:33 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-08 12:08:45.257368
• Title: Early warning via transitions in latent stochastic dynamical systems
• Title（参考訳）: 潜在確率力学系の遷移による早期警告
• Authors: Lingyu Feng, Ting Gao, Wang Xiao and Jinqiao Duan
• Abstract要約: 遺伝子変異、脳疾患、自然災害、金融危機、工学的信頼性など、多くの現実の応用において、動的移行の早期警告が不可欠である。 我々は、低次元多様体の潜在進化力学を捉える有向異方性拡散写像という新しいアプローチを開発する。 本手法をEEGデータに適用し, 有効座標の同定に成功した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Early warnings for dynamical transitions in complex systems or high-dimensional observation data are essential in many real world applications, such as gene mutation, brain diseases, natural disasters, financial crises, and engineering reliability. To effectively extract early warning signals, we develop a novel approach: the directed anisotropic diffusion map that captures the latent evolutionary dynamics in low-dimensional manifold. Applying the methodology to authentic electroencephalogram (EEG) data, we successfully find the appropriate effective coordinates, and derive early warning signals capable of detecting the tipping point during the state transition. Our method bridges the latent dynamics with the original dataset. The framework is validated to be accurate and effective through numerical experiments, in terms of density and transition probability. It is shown that the second coordinate holds meaningful information for critical transition in various evaluation metrics.
• Abstract（参考訳）: 複雑なシステムや高次元観測データにおける動的遷移の早期警告は、遺伝子変異、脳疾患、自然災害、金融危機、工学的信頼性など、多くの現実世界の応用において不可欠である。 早期警報信号を効果的に抽出するために,低次元多様体の潜伏進化ダイナミクスを捉える有向異方性拡散マップを開発した。 本手法を正真正銘脳波データに適用し, 適切な有効座標を求め, 状態遷移時にチップ点を検出する早期警報信号を導出することに成功した。 本手法は、潜在ダイナミクスと元のデータセットを橋渡しする。 このフレームワークは、密度と遷移確率の観点から、数値実験によって正確かつ効果的であることが検証されている。 第2座標は, 種々の評価指標における臨界遷移について有意な情報を保持する。

関連論文リスト

• 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)
• Jointly Modeling Spatio-Temporal Features of Tactile Signals for Action Classification [50.63919418371698]
  ウェアラブルエレクトロニクスによって収集される触覚信号は、人間の行動のモデリングと理解に不可欠である。 既存の動作分類法では、触覚信号の空間的特徴と時間的特徴を同時に捉えることができない。 S-Temporal Aware Aware Transformer (STAT) を提案する。
  論文  参考訳（メタデータ） (2024-01-21T03:47:57Z)
• Tipping Points of Evolving Epidemiological Networks: Machine Learning-Assisted, Data-Driven Effective Modeling [0.0]
  適応型感受性感染症(SIS)疫学ネットワークのチップポイント集団動態を,データ駆動型機械学習支援方式で検討した。 複素実効微分方程式(eSDE)を物理的に有意な粗い平均場変数で同定する。 本研究では, 頻繁な現象の統計を, 繰り返しブルート力シミュレーションと, 確立された数学的・計算ツールを用いて研究する。
  論文  参考訳（メタデータ） (2023-11-01T19:33:03Z)
• DGSD: Dynamical Graph Self-Distillation for EEG-Based Auditory Spatial Attention Detection [49.196182908826565]
  AAD(Auditory Attention Detection)は、マルチスピーカー環境で脳信号からターゲット話者を検出することを目的としている。 現在のアプローチは主に、画像のようなユークリッドデータを処理するために設計された従来の畳み込みニューラルネットワークに依存している。 本稿では、入力として音声刺激を必要としないAADのための動的グラフ自己蒸留(DGSD)手法を提案する。
  論文  参考訳（メタデータ） (2023-09-07T13:43:46Z)
• Sequential Attention Source Identification Based on Feature Representation [88.05527934953311]
  本稿では,テンポラルシーケンスに基づくグラフ注意源同定(TGASI)と呼ばれるシーケンス・ツー・シーケンス・ベースのローカライズ・フレームワークを提案する。 なお、このインダクティブラーニングのアイデアは、TGASIが他の事前の知識を知らずに新しいシナリオのソースを検出できることを保証する。
  論文  参考訳（メタデータ） (2023-06-28T03:00:28Z)
• DynamoPMU: A Physics Informed Anomaly Detection and Prediction Methodology using non-linear dynamics from $\mu$PMU Measurement Data [0.0]
  我々は、$mu$PMUストリーミングデータの異常を検知し、制御方程式を用いてイベントを同時に予測する物理力学に基づくアプローチを開発した。 提案手法の有効性を,LBNL分布グリッドから得た実際の$mu$PMUデータの解析により実証する。
  論文  参考訳（メタデータ） (2023-03-31T19:32:24Z)
• Latent Temporal Flows for Multivariate Analysis of Wearables Data [0.9990687944474738]
  本稿では,この設定に適した時系列の多変量モデリング手法であるLatent Temporal Flowsを紹介する。 提案手法は,マルチステップ予測ベンチマークにおいて常に最先端の手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2022-10-14T02:54:34Z)
• Universal Early Warning Signals of Phase Transitions in Climate Systems [0.586336038845426]
  2次元イジングモデル相転移に特化して訓練されたディープニューラルネットワークは、現実およびシミュレーションされた多くの気候システムでテストされている。 精度は従来の統計指標を上回り、空間的指標を含ませることで連続的に性能が向上することが示されている。
  論文  参考訳（メタデータ） (2022-05-31T19:07:15Z)
• DriPP: Driven Point Processes to Model Stimuli Induced Patterns in M/EEG Signals [62.997667081978825]
  我々はDriPPと呼ばれる新しい統計点過程モデルを開発する。 我々は、このモデルのパラメータを推定するために、高速で原理化された予測最大化(EM)アルゴリズムを導出する。 標準MEGデータセットの結果から,我々の手法が事象関連ニューラルレスポンスを明らかにすることが示された。
  論文  参考訳（メタデータ） (2021-12-08T13:07:21Z)
• Learning Dynamical Systems from Noisy Sensor Measurements using Multiple Shooting [11.771843031752269]
  本稿では,間接的に観測された動的システムの潜在表現を学習するための汎用的かつスケーラブルな手法を提案する。 生画像から直接観察されたシステム上での最先端の性能を実現する。
  論文  参考訳（メタデータ） (2021-06-22T12:30:18Z)
• Stochastically forced ensemble dynamic mode decomposition for forecasting and analysis of near-periodic systems [65.44033635330604]
  本稿では,観測力学を強制線形系としてモデル化した新しい負荷予測手法を提案する。 固有線型力学の利用は、解釈可能性やパーシモニーの観点から、多くの望ましい性質を提供することを示す。 電力グリッドからの負荷データを用いたテストケースの結果が提示される。
  論文  参考訳（メタデータ） (2020-10-08T20:25:52Z)

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。

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。