論文の概要: Benchmarking formalisms for dynamic structure system Modeling and Simulation
- arxiv url: http://arxiv.org/abs/2404.03661v1
- Date: Thu, 25 Jan 2024 09:13:40 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-01 12:08:31.214460
- Title: Benchmarking formalisms for dynamic structure system Modeling and Simulation
- Title（参考訳）: 動的構造系のモデリングとシミュレーションのためのベンチマーク形式
- Authors: Aya Attia, Clément Foucher, Luiz Fernando Lavado Villa,
- Abstract要約: モデル生成から動的構造系のシミュレーションまでの滑らかな流れの基準を同定する。
我々は、DEVS拡張にもっと焦点をあてた既存のモデリング形式をベンチマークし、その結果を使って、アプローチのギャップを特定し、議論する。
- 参考スコア（独自算出の注目度）: 3.2268447897914943
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Modeling and simulation of complex systems is key to explore systems dynamics. Many scientific approaches were developed to represent dynamic structure systems but most of these approaches are efficient for some kinds of systems and inefficient for others. Which approach can be adopted for different dynamic structure systems categories is a topic of interest for many researchers and until now has not been fully resolved. Therefore it is essential to explore the existing approaches, understand them, and identify gaps. To fulfil this goal, we identified criteria at stake for a smooth flow from model creation to its simulation for dynamic structure systems. Using these criteria, we benchmark the existing modeling formalisms focusing more on DEVS extensions, and use the results to identify approaches gaps and discuss them.
- Abstract（参考訳）: 複雑なシステムのモデリングとシミュレーションは、システムのダイナミクスを探求する鍵となる。
多くの科学的アプローチが動的構造系を表現するために開発されたが、これらのアプローチの多くはある種のシステムでは効率的であり、他のシステムでは非効率的である。
どのアプローチを異なる動的構造系カテゴリに適用できるかは、多くの研究者にとって関心の的であり、これまで完全に解決されてこなかった。
したがって、既存のアプローチを探求し、理解し、ギャップを識別することが不可欠である。
この目的を達成するため,モデル生成から動的構造系のシミュレーションまで,スムーズな流れの基準を特定した。
これらの基準を用いて、DEC拡張に焦点を当てた既存のモデリング形式をベンチマークし、その結果を用いて、アプローチギャップを特定し、議論する。
関連論文リスト
- Learning Subsystem Dynamics in Nonlinear Systems via Port-Hamiltonian Neural Networks [0.0]
ポート・ハミルトンニューラルネットワーク(pHNN)は、物理法則とディープラーニング技術を統合する強力なモデリングツールとして登場している。
本研究では,入力出力測定のみに基づいて,pHNNを用いてサブシステムを特定する手法を提案する。
論文 参考訳（メタデータ） (2024-11-08T17:41:51Z) - A process algebraic framework for multi-agent dynamic epistemic systems [55.2480439325792]
本稿では,マルチエージェント,知識ベース,動的システムのモデリングと解析のための統合フレームワークを提案する。
モデリング側では,このようなフレームワークを実用的な目的に使いやすくするプロセス代数的,エージェント指向の仕様言語を提案する。
論文 参考訳（メタデータ） (2024-07-24T08:35:50Z) - 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) - Data driven modeling for self-similar dynamics [1.0790314700764785]
本稿では,自己相似性を先行知識として組み込んだマルチスケールニューラルネットワークフレームワークを提案する。
決定論的ダイナミクスの場合、我々のフレームワークは力学が自己相似かどうかを識別できる。
本手法は,自己相似システムにおける電力法指数を同定する。
論文 参考訳（メタデータ） (2023-10-12T12:39:08Z) - Data-driven Influence Based Clustering of Dynamical Systems [0.0]
コミュニティ検出は科学と工学の様々な分野において困難で関連する問題である。
本稿では,時系列データから動的システムをクラスタリングする手法を提案する。
本稿では、3つの異なる力学系をクラスタリングすることで提案手法の有効性を示す。
論文 参考訳（メタデータ） (2022-04-05T17:26:47Z) - 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) - Constructing Neural Network-Based Models for Simulating Dynamical
Systems [59.0861954179401]
データ駆動モデリングは、真のシステムの観測からシステムの力学の近似を学ぼうとする代替パラダイムである。
本稿では,ニューラルネットワークを用いた動的システムのモデル構築方法について検討する。
基礎的な概要に加えて、関連する文献を概説し、このモデリングパラダイムが克服すべき数値シミュレーションから最も重要な課題を概説する。
論文 参考訳（メタデータ） (2021-11-02T10:51:42Z) - S2RMs: Spatially Structured Recurrent Modules [105.0377129434636]
モジュール構造とテンポラル構造の両方を同時に活用できる動的構造を利用するための一歩を踏み出します。
我々のモデルは利用可能なビューの数に対して堅牢であり、追加のトレーニングなしで新しいタスクに一般化できる。
論文 参考訳（メタデータ） (2020-07-13T17:44:30Z) - Learning Stable Deep Dynamics Models [91.90131512825504]
状態空間全体にわたって安定することが保証される力学系を学習するためのアプローチを提案する。
このような学習システムは、単純な力学系をモデル化することができ、複雑な力学を学習するために追加の深層生成モデルと組み合わせることができることを示す。
論文 参考訳（メタデータ） (2020-01-17T00:04:45Z)
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。