Fugu-MT 論文翻訳(概要): Violina: Various-of-trajectories Identification of Linear Time-invariant Non-Markovian Dynamics

論文の概要: Violina: Various-of-trajectories Identification of Linear Time-invariant Non-Markovian Dynamics

arxiv url: http://arxiv.org/abs/2409.19978v1
Date: Mon, 30 Sep 2024 06:04:54 GMT
ステータス: 翻訳完了
システム内更新日: 2024-10-01 21:58:21.533013
Title: Violina: Various-of-trajectories Identification of Linear Time-invariant Non-Markovian Dynamics
Title（参考訳）: Violina: 線形時間不変な非マルコフダイナミクスの様々な軌跡同定
Authors: Ryoji Anzaki, Kazuhiro Sato,
Abstract要約: 本稿では,新しいシステム識別手法であるViolinaを提案する。提案手法により同定されたマルコフ状態空間モデルと非マルコフ状態空間モデルは、既存の動的分解法で同定されたモデルと比較して、かなり優れた一般化性能を有することを示す。
参考スコア（独自算出の注目度）: 0.0
License:
Abstract: We propose a new system identification method Violina (various-of-trajectories identification of linear time-invariant non-Markovian dynamics). In the Violina framework, we optimize the coefficient matrices of state-space model and memory kernel in the given space using a projected gradient descent method so that its model prediction matches the set of multiple observed data. Using Violina we can identify a linear non-Markovian dynamical system with constraints corresponding to a priori knowledge on the model parameters and memory effects. Using synthetic data, we numerically demonstrate that the Markovian and non-Markovian state-space models identified by the proposed method have considerably better generalization performances compared to the models identified by an existing dynamic decomposition-based method.
Abstract（参考訳）: 線形時間不変な非マルコフ力学の様々な軌跡を同定するシステム同定手法であるViolinaを提案する。 In the Violina framework, we optimization the coefficient matrices of state-space model and memory kernel in the given space using a projected gradient descent method that its model prediction between the set of multiple observed data。 Violinaを用いることで、モデルパラメータとメモリ効果に関する事前知識に対応する制約を持つ線形非マルコフ力学系を特定できる。合成データを用いて,提案手法により同定されたマルコフ状態空間モデルと非マルコフ状態空間モデルが,既存の動的分解法で同定されたモデルと比較して,かなり優れた一般化性能を有することを示す。

関連論文リスト

Benchmarking sparse system identification with low-dimensional chaos [1.5849413067450229]
カオスシステムのダイエット標準化データベースを利用して,スパース回帰変種を系統的にベンチマークする。我々は,このオープンソースツールを用いて,システム識別の異なる手法を定量的に比較する方法を実証する。いずれの場合も,SINDyの雑音頑健性を改善し,統計的比較を行うためにアンサンブルを用いた。
論文参考訳（メタデータ） (2023-02-04T18:49:52Z)
Robust identification of non-autonomous dynamical systems using stochastic dynamics models [0.0]
本稿では, 非線形・非線形非自律系における雑音・スパースデータからのシステム識別(ID)の問題について考察する。隠れマルコフモデル学習のためのベイズ式から導かれる目的関数を提案し,解析する。提案手法は,システムIDに適合するスムーズさと本質的な正規化を改善したことを示す。
論文参考訳（メタデータ） (2022-12-20T16:36:23Z)
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)
Time varying regression with hidden linear dynamics [74.9914602730208]
線形力学系に従って未知のパラメータが進化することを前提とした時間変化線形回帰モデルを再検討する。反対に、基礎となる力学が安定である場合、このモデルのパラメータは2つの通常の最小二乗推定と組み合わせることで、データから推定できることが示される。
論文参考訳（メタデータ） (2021-12-29T23:37:06Z)
A Variational Inference Approach to Inverse Problems with Gamma Hyperpriors [60.489902135153415]
本稿では,ガンマハイパープライヤを用いた階層的逆問題に対する変分反復交替方式を提案する。提案した変分推論手法は正確な再構成を行い、意味のある不確実な定量化を提供し、実装が容易である。
論文参考訳（メタデータ） (2021-11-26T06:33:29Z)
Learning Stable Koopman Embeddings [9.239657838690228]
本稿では,非線形システムの安定モデル学習のための新しいデータ駆動手法を提案する。離散時間非線形契約モデルはすべて、我々のフレームワークで学習できることを実証する。
論文参考訳（メタデータ） (2021-10-13T05:44:13Z)
Gaussian processes meet NeuralODEs: A Bayesian framework for learning the dynamics of partially observed systems from scarce and noisy data [0.0]
本稿では,非線形力学系の部分的,雑音的,不規則な観測からベイズ系を同定する機械学習フレームワーク(GP-NODE)を提案する。提案手法は、微分可能プログラミングの最近の発展を利用して、通常の微分方程式解法を用いて勾配情報を伝播する。捕食者予備システム,システム生物学,50次元ヒューマンモーションダイナミクスシステムを含む提案GP-NODE法の有効性を示すために,一連の数値的研究を行った。
論文参考訳（メタデータ） (2021-03-04T23:42:14Z)
Anomaly Detection of Time Series with Smoothness-Inducing Sequential Variational Auto-Encoder [59.69303945834122]
Smoothness-Inducing Sequential Variational Auto-Encoder (SISVAE) モデルを提案する。我々のモデルは、フレキシブルニューラルネットワークを用いて各タイムスタンプの平均と分散をパラメータ化する。合成データセットと公開実世界のベンチマークの両方において,本モデルの有効性を示す。
論文参考訳（メタデータ） (2021-02-02T06:15:15Z)
Automated and Formal Synthesis of Neural Barrier Certificates for Dynamical Models [70.70479436076238]
バリア証明書(BC)の自動的,形式的,反例に基づく合成手法を提案する。このアプローチは、ニューラルネットワークとして構造化されたBCの候補を操作する誘導的フレームワークと、その候補の有効性を認証するか、反例を生成する音検証器によって支えられている。その結果,音のBCsを最大2桁の速度で合成できることがわかった。
論文参考訳（メタデータ） (2020-07-07T07:39:42Z)
Bayesian differential programming for robust systems identification under uncertainty [14.169588600819546]
本稿では,非線形力学系のノイズ,スパース,不規則な観測からベイズ系を同定する機械学習フレームワークを提案する。提案手法は、微分可能プログラミングの最近の発展を利用して、通常の微分方程式解法を用いて勾配情報を伝播する。スパーシティプロモーティングプリエントを用いることで、下層の潜在力学に対する解釈可能かつ同義的な表現の発見が可能になる。
論文参考訳（メタデータ） (2020-04-15T00:51:14Z)
Variational Hyper RNN for Sequence Modeling [69.0659591456772]
本稿では,時系列データにおける高変数の取得に優れる新しい確率的シーケンスモデルを提案する。提案手法では,時間潜時変数を用いて基礎となるデータパターンに関する情報をキャプチャする。提案手法の有効性を,合成および実世界のシーケンシャルデータに示す。
論文参考訳（メタデータ） (2020-02-24T19:30:32Z)

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。