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

• arxiv url: http://arxiv.org/abs/2309.03842v3
• Date: Fri, 5 Apr 2024 11:10:27 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-08 20:49:52.191498
• Title: Early warning indicators via latent stochastic dynamical systems
• Title（参考訳）: 潜在確率力学系による早期警告指標
• Authors: Lingyu Feng, Ting Gao, Wang Xiao, Jinqiao Duan,
• Abstract要約: 我々は、低次元多様体の潜在進化力学を捉える異方性拡散写像を開発する。 3つの効果的な警告信号は、潜時座標と潜時力学系によって導出される。 我々の早期警戒指標は状態遷移中の先端を検出することができることがわかった。
• 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: Detecting early warning indicators for abrupt dynamical transitions in complex systems or high-dimensional observation data is essential in many real-world applications, such as brain diseases, natural disasters, and engineering reliability. To this end, we develop a novel approach: the directed anisotropic diffusion map that captures the latent evolutionary dynamics in the low-dimensional manifold. Then three effective warning signals (Onsager-Machlup Indicator, Sample Entropy Indicator, and Transition Probability Indicator) are derived through the latent coordinates and the latent stochastic dynamical systems. To validate our framework, we apply this methodology to authentic electroencephalogram (EEG) data. We find that our early warning indicators are capable of detecting the tipping point during state transition. This framework not only bridges the latent dynamics with real-world data but also shows the potential ability for automatic labeling on complex high-dimensional time series.
• Abstract（参考訳）: 脳疾患、自然災害、工学的信頼性など、多くの現実世界の応用において、複雑なシステムや高次元観測データにおける急激な動的遷移の早期警戒指標の検出が不可欠である。 この目的のために、我々は、低次元多様体の潜在進化力学をキャプチャする有向異方性拡散写像(direct anisotropic diffusion map)という新しいアプローチを開発する。 次に、3つの効果的な警告信号(Onsager-Machlup Indicator、Sample Entropy Indicator、Transition Probability Indicator)を潜在座標と潜在確率力学系から導出する。 本手法を脳波(EEG)データに適用する。 我々の早期警戒指標は状態遷移中の先端を検出することができることがわかった。 このフレームワークは、潜在力学を実世界のデータでブリッジするだけでなく、複雑な高次元時系列の自動ラベリングの可能性も示している。

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。