論文の概要: Modeling Nonlinear Oscillator Networks Using Physics-Informed Hybrid Reservoir Computing

• arxiv url: http://arxiv.org/abs/2411.05867v1
• Date: Thu, 07 Nov 2024 15:09:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-12 14:10:55.141720
• Title: Modeling Nonlinear Oscillator Networks Using Physics-Informed Hybrid Reservoir Computing
• Title（参考訳）: 物理インフォームドハイブリッド貯留層計算を用いた非線形振動子ネットワークのモデル化
• Authors: Andrew Shannon, Conor Houghton, David Barton, Martin Homer,
• Abstract要約: 本研究では, ハイブリッド型貯水池計算と「専門的」解析モデルを組み合わせることで, ハイブリッド型貯水池計算について検討する。 ハイブリッド貯水池コンピュータは一般的に標準貯水池コンピュータより優れていることを示す。 専門家モデルにはアクセスできない動的体制には優れた性能があり、貯水池の貢献を実証している。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Surrogate modeling of non-linear oscillator networks remains challenging due to discrepancies between simplified analytical models and real-world complexity. To bridge this gap, we investigate hybrid reservoir computing, combining reservoir computing with "expert" analytical models. Simulating the absence of an exact model, we first test the surrogate models with parameter errors in their expert model. Second, we assess their performance when their expert model lacks key non-linear coupling terms present in an extended ground-truth model. We focus on short-term forecasting across diverse dynamical regimes, evaluating the use of these surrogates for control applications. We show that hybrid reservoir computers generally outperform standard reservoir computers and exhibit greater robustness to parameter tuning. Notably, unlike standard reservoir computers, the performance of the hybrid does not degrade when crossing an observed spectral radius threshold. Furthermore, there is good performance for dynamical regimes not accessible to the expert model, demonstrating the contribution of the reservoir.
• Abstract（参考訳）: 非線形発振回路ネットワークのサロゲートモデリングは、単純化された解析モデルと実世界の複雑さの相違により、いまだに困難である。 このギャップを埋めるために、我々はハイブリッド貯水池コンピューティングを「専門的」分析モデルと組み合わせて検討する。 厳密なモデルがないことをシミュレートし、まず専門家モデルでパラメータエラーのある代理モデルをテストする。 第二に、これらのモデルが拡張基底構造モデルに存在する重要な非線形結合項を欠いている場合の性能を評価する。 我々は、様々な力学系における短期的な予測に焦点をあて、これらのサロゲートの制御への応用について評価する。 ハイブリッド型貯水池コンピュータは一般に標準貯水池コンピュータより優れており,パラメータチューニングに対するロバスト性が高いことを示す。 特に、標準貯水池コンピュータとは異なり、観測されたスペクトル半径閾値を越えるとハイブリッドの性能は劣化しない。 さらに、専門家モデルにはアクセスできない動的レシエーションには優れた性能があり、貯水池の貢献を実証している。

関連論文リスト

• SMILE: Zero-Shot Sparse Mixture of Low-Rank Experts Construction From Pre-Trained Foundation Models [85.67096251281191]
  我々は、ゼロショットスパースミクチャー(SMILE)と呼ばれるモデル融合に対する革新的なアプローチを提案する。 SMILEは、余分なデータやさらなるトレーニングなしに、ソースモデルをMoEモデルにアップスケーリングできる。 画像分類やテキスト生成タスクなど,さまざまなシナリオに対して,フル微調整とLoRA微調整を用いて広範な実験を行う。
  論文  参考訳（メタデータ） (2024-08-19T17:32:15Z)
• Predictive Modeling in the Reservoir Kernel Motif Space [0.9217021281095907]
  本研究では,線形貯水池のカーネルビューに基づく時系列予測手法を提案する。 我々は、我々のアプローチがコア貯水池モデルとどのように関係しているかについての光を遮蔽するアプローチの幾何学的解釈を提供する。 実験では,提案モデルの予測性能と最近の最先端変圧器モデルとの比較を行った。
  論文  参考訳（メタデータ） (2024-05-11T16:12:25Z)
• Generalization capabilities and robustness of hybrid machine learning models grounded in flow physics compared to purely deep learning models [2.8686437689115363]
  本研究では,流体力学応用における物理原理に基づく純粋深層学習モデルとハイブリッドモデルの一般化能力と堅牢性について検討する。 3つの自己回帰モデルを比較した。畳み込み自己エンコーダと畳み込みLSTM、変分自己エンコーダ(VAE)とConvLSTMと適切な分解(POD)とLSTM(POD-DL)を組み合わせたハイブリッドモデルである。 VAEおよびConvLSTMモデルは層流を正確に予測する一方で、ハイブリッドPOD-DLモデルは層流と乱流の双方において他のモデルよりも優れていた。
  論文  参考訳（メタデータ） (2024-04-27T12:43:02Z)
• Data-driven Nonlinear Model Reduction using Koopman Theory: Integrated Control Form and NMPC Case Study [56.283944756315066]
  そこで本研究では,遅延座標符号化と全状態復号化を組み合わせた汎用モデル構造を提案し,Koopmanモデリングと状態推定を統合した。 ケーススタディでは,本手法が正確な制御モデルを提供し,高純度極低温蒸留塔のリアルタイム非線形予測制御を可能にすることを実証している。
  論文  参考訳（メタデータ） (2024-01-09T11:54:54Z)
• A Bi-fidelity DeepONet Approach for Modeling Uncertain and Degrading Hysteretic Systems [0.0]
  我々は、ヒステリックシステムの劣化効果を低忠実度表現として考慮せずに、プリスタンモデルからのデータセットを使用する。 低忠実度モデルと真のシステム応答の相違をモデル化するために提案したDeepONetsを用いることで、予測誤差が大幅に改善されることが示されている。
  論文  参考訳（メタデータ） (2023-04-25T06:49:56Z)
• Domain-aware Control-oriented Neural Models for Autonomous Underwater Vehicles [2.4779082385578337]
  ドメイン認識のレベルが異なる制御指向パラメトリックモデルを提案する。 データ駆動型ブラックボックスとAUVダイナミクスのグレイボックス表現を構築するために、普遍微分方程式を用いる。
  論文  参考訳（メタデータ） (2022-08-15T17:01:14Z)
• Bridging the Model-Reality Gap with Lipschitz Network Adaptation [22.499090318313662]
  ロボットが現実世界に進出するにつれ、ロボットは非モデル化された力学と乱れにさらされる。 従来のモデルベースの制御アプローチは、比較的静的で既知の運用環境で成功している。 本稿では,モデルと現実のギャップを埋め,動的不確実性が存在する場合でもモデルに基づくアプローチの適用を可能にする手法を提案する。
  論文  参考訳（メタデータ） (2021-12-07T15:12:49Z)
• 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)
• Generative Temporal Difference Learning for Infinite-Horizon Prediction [101.59882753763888]
  我々は、無限確率的地平線を持つ環境力学の予測モデルである$gamma$-modelを導入する。 トレーニングタイムとテストタイムの複合的なエラーの間には、そのトレーニングが避けられないトレードオフを反映しているかについて議論する。
  論文  参考訳（メタデータ） (2020-10-27T17:54:12Z)
• Hybrid modeling: Applications in real-time diagnosis [64.5040763067757]
  我々は、機械学習にインスパイアされたモデルと物理モデルを組み合わせた、新しいハイブリッドモデリングアプローチの概要を述べる。 このようなモデルをリアルタイム診断に利用しています。
  論文  参考訳（メタデータ） (2020-03-04T00:44:57Z)
• Nonparametric Estimation in the Dynamic Bradley-Terry Model [69.70604365861121]
  カーネルのスムース化に依存する新しい推定器を開発し、時間とともにペア比較を前処理する。 モデルに依存しない設定における推定誤差と余剰リスクの両方について時間変化のオラクル境界を導出する。
  論文  参考訳（メタデータ） (2020-02-28T21:52:49Z)

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。