Fugu-MT 論文翻訳(概要): Sparse identification of nonlinear dynamics in the presence of library and system uncertainty

論文の概要: Sparse identification of nonlinear dynamics in the presence of library and system uncertainty

arxiv url: http://arxiv.org/abs/2401.13099v1
Date: Tue, 23 Jan 2024 21:23:51 GMT
ステータス: 処理完了
システム内更新日: 2024-01-25 16:06:43.576398
Title: Sparse identification of nonlinear dynamics in the presence of library and system uncertainty
Title（参考訳）: 図書館の存在下での非線形力学のスパース同定とシステムの不確かさ
Authors: Andrew O'Brien
Abstract要約: Augmented SINDyアルゴリズムはシステム変数の不確実性の存在下でSINDyよりも優れていることを示す。次に、両方の不確実性が存在する場合、SINDyをさらに強化して、堅牢に動作させることができることを示す。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The SINDy algorithm has been successfully used to identify the governing equations of dynamical systems from time series data. However, SINDy assumes the user has prior knowledge of the variables in the system and of a function library that can act as a basis for the system. In this paper, we demonstrate on real world data how the Augmented SINDy algorithm outperforms SINDy in the presence of system variable uncertainty. We then show SINDy can be further augmented to perform robustly when both kinds of uncertainty are present.
Abstract（参考訳）: SINDyアルゴリズムは時系列データから力学系の制御方程式の同定に成功している。しかし、SINDyはユーザがシステム内の変数やシステムの基盤として機能する関数ライブラリについて事前の知識を持っていると仮定する。本稿では,システム変数の不確実性の存在下で,Augmented SINDyアルゴリズムがSINDyより優れていることを示す。次に、両方の不確実性が存在する場合、SINDyをさらに強化して、堅牢に動作させることができることを示す。

関連論文リスト

Finite Sample Identification of Partially Observed Bilinear Dynamical Systems [16.74080862888231]
部分的に観察された双線形力学系の実現を学習する問題を考察する。入力出力サンプルの1つの軌道が与えられた場合、システムのマルコフ様パラメータを学習するための有限時間解析を提供する。我々の分析は、学習精度とサンプルの複雑さに影響を与えるシステム理論量に関する洞察を提供する。
論文参考訳（メタデータ） (2025-01-13T19:24:14Z)
LeARN: Learnable and Adaptive Representations for Nonlinear Dynamics in System Identification [0.0]
非線形システム識別フレームワークLeARNを導入する。基礎関数のライブラリをデータから直接学習することで、事前のドメイン知識の必要性を超越します。我々はNeural Flyデータセットのフレームワークを検証し、その堅牢な適応と能力を示す。
論文参考訳（メタデータ） (2024-12-16T18:03:23Z)
Governing equation discovery of a complex system from snapshots [11.803443731299677]
スナップショットからの微分方程式のスパース同定 (Sparse Identification of Differential Equations from Snapshots (SpIDES)) と呼ばれるデータ駆動型シミュレーションフリーフレームワークを導入する。 SpIDESは、高度な機械学習技術を利用してスナップショットから複雑なシステムの制御方程式を発見する。 2つの潜在的な井戸に閉じ込められた過剰損傷ランゲヴィン系の支配方程式を同定し,SpIDESの有効性とロバスト性を検証した。
論文参考訳（メタデータ） (2024-10-22T04:55:12Z)
Learning System Dynamics without Forgetting [60.08612207170659]
未知の力学を持つ系の軌道予測は、物理学や生物学を含む様々な研究分野において重要である。本稿では,モードスイッチンググラフODE (MS-GODE) の新たなフレームワークを提案する。生体力学の異なる多様な系を特徴とする生体力学システムの新しいベンチマークを構築した。
論文参考訳（メタデータ） (2024-06-30T14:55:18Z)
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)
A Priori Denoising Strategies for Sparse Identification of Nonlinear Dynamical Systems: A Comparative Study [68.8204255655161]
本研究では, 局所的およびグローバルな平滑化手法の性能と, 状態測定値の偏差について検討・比較する。一般に,測度データセット全体を用いたグローバルな手法は,局所点の周辺に隣接するデータサブセットを用いる局所的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） (2022-01-29T23:31:25Z)
Supervised DKRC with Images for Offline System Identification [77.34726150561087]
現代の力学系はますます非線形で複雑なものになりつつある。予測と制御のためのコンパクトで包括的な表現でこれらのシステムをモデル化するフレームワークが必要である。本手法は,教師付き学習手法を用いてこれらの基礎関数を学習する。
論文参考訳（メタデータ） (2021-09-06T04:39:06Z)
DySMHO: Data-Driven Discovery of Governing Equations for Dynamical Systems via Moving Horizon Optimization [77.34726150561087]
本稿では,スケーラブルな機械学習フレームワークである移動水平最適化(DySMHO)による動的システムの発見について紹介する。 DySMHOは、基底関数の大きな辞書から基礎となる支配方程式を逐次学習する。標準非線形力学系の例は、DySMHOが規則を正確に回復できることを示すために用いられる。
論文参考訳（メタデータ） (2021-07-30T20:35:03Z)
Active Learning for Nonlinear System Identification with Guarantees [102.43355665393067]
状態遷移が既知の状態-作用対の特徴埋め込みに線形に依存する非線形力学系のクラスについて検討する。そこで本稿では, トラジェクティブ・プランニング, トラジェクティブ・トラッキング, システムの再推定という3つのステップを繰り返すことで, この問題を解決するためのアクティブ・ラーニング・アプローチを提案する。本手法は, 非線形力学系を標準線形回帰の統計速度と同様, パラメトリック速度で推定する。
論文参考訳（メタデータ） (2020-06-18T04:54:11Z)
Data-Driven Verification under Signal Temporal Logic Constraints [0.0]
力学が部分的に不明な不確実性のあるシステムを考える。本研究の目的は,そのようなシステムの軌道による時間論理特性の満足度について研究することである。本研究では, ベイズ推定手法を用いて, 信頼度と満足度を関連づける。
論文参考訳（メタデータ） (2020-05-08T08:32:30Z)

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。