論文の概要: A General Bayesian Framework for Informative Input Design in System Identification

• arxiv url: http://arxiv.org/abs/2501.16625v1
• Date: Tue, 28 Jan 2025 01:57:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-29 16:40:03.798586
• Title: A General Bayesian Framework for Informative Input Design in System Identification
• Title（参考訳）: システム同定におけるインフォーマティブ入力設計のための一般ベイズフレームワーク
• Authors: Alexandros E. Tzikas, Mykel J. Kochenderfer,
• Abstract要約: システム識別のための情報入力設計の問題に取り組む。 入力を選択し、真のシステムから対応する出力を観測し、モデルのパラメータを最適化し、データに最も合うようにします。 本手法は, 線形および非線形の様々なダイナミクスを用いて, モデルフリーベースラインより優れる。
• 参考スコア（独自算出の注目度）: 86.05414211113627
• License:
• Abstract: We tackle the problem of informative input design for system identification, where we select inputs, observe the corresponding outputs from the true system, and optimize the parameters of our model to best fit the data. We propose a methodology that is compatible with any system and parametric family of models. Our approach only requires input-output data from the system and first-order information from the model with respect to the parameters. Our algorithm consists of two modules. First, we formulate the problem of system identification from a Bayesian perspective and propose an approximate iterative method to optimize the model's parameters. Based on this Bayesian formulation, we are able to define a Gaussian-based uncertainty measure for the model parameters, which we can then minimize with respect to the next selected input. Our method outperforms model-free baselines with various linear and nonlinear dynamics.
• Abstract（参考訳）: システム識別のための情報入力設計の問題に取り組み、入力を選択し、実際のシステムから対応する出力を観測し、データに最も合うようにモデルのパラメータを最適化する。 本稿では,任意のシステムやパラメトリックモデルと互換性のある方法論を提案する。 我々のアプローチでは、システムからの入力出力データと、パラメータに関するモデルからの1次情報のみを必要とする。 我々のアルゴリズムは2つのモジュールから構成される。 まず,ベイズの観点からシステム同定の問題を定式化し,モデルのパラメータを最適化するための近似反復法を提案する。 このベイズ的定式化に基づき、モデルパラメータに対するガウス的不確実性尺度を定義することができ、次に選択された入力について最小化することができる。 本手法は, 線形および非線形の様々なダイナミクスを用いて, モデルフリーベースラインより優れる。

関連論文リスト

• Bayesian Model Parameter Learning in Linear Inverse Problems with Application in EEG Focal Source Imaging [49.1574468325115]
  逆問題は、関心のシグナルを直接観測できない限定データ問題として記述することができる。 未知の非線形モデルパラメータを含む線形逆問題について検討した。 ベイズモデルに基づく学習手法を用いて,信号の回復とモデルパラメータの推定を行った。
  論文  参考訳（メタデータ） (2025-01-07T18:14:24Z)
• End-to-End Learning for Fair Multiobjective Optimization Under Uncertainty [55.04219793298687]
  機械学習における予測-Then-Forecast(PtO)パラダイムは、下流の意思決定品質を最大化することを目的としている。 本稿では,PtO法を拡張して,OWA(Nondifferentiable Ordered Weighted Averaging)の目的を最適化する。 この結果から,不確実性の下でのOWA関数の最適化とパラメトリック予測を効果的に統合できることが示唆された。
  論文  参考訳（メタデータ） (2024-02-12T16:33:35Z)
• LMI-based Data-Driven Robust Model Predictive Control [0.1473281171535445]
  入力制約と状態制約を考慮したデータ駆動型ロバストな線形行列不等式モデル予測制御手法を提案する。 コントローラは閉ループシステムを安定化し、制約満足度を保証する。
  論文  参考訳（メタデータ） (2023-03-08T18:20:06Z)
• 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)
• On the Effectiveness of Parameter-Efficient Fine-Tuning [79.6302606855302]
  現在、多くの研究が、パラメータのごく一部のみを微調整し、異なるタスク間で共有されるパラメータのほとんどを保持することを提案している。 これらの手法は, いずれも細粒度モデルであり, 新たな理論的解析を行う。 我々の理論に根ざした空間性の有効性にもかかわらず、調整可能なパラメータをどう選ぶかという問題はまだ未解決のままである。
  論文  参考訳（メタデータ） (2022-11-28T17:41:48Z)
• Inverting brain grey matter models with likelihood-free inference: a tool for trustable cytoarchitecture measurements [62.997667081978825]
  脳の灰白質細胞構造の特徴は、体密度と体積に定量的に敏感であり、dMRIでは未解決の課題である。 我々は新しいフォワードモデル、特に新しい方程式系を提案し、比較的スパースなb殻を必要とする。 次に,提案手法を逆転させるため,確率自由推論 (LFI) として知られるベイズ解析から最新のツールを適用した。
  論文  参考訳（メタデータ） (2021-11-15T09:08:27Z)
• Optimizing model-agnostic Random Subspace ensembles [5.680512932725364]
  教師あり学習のためのモデルに依存しないアンサンブルアプローチを提案する。 提案手法は、ランダム部分空間アプローチのパラメトリックバージョンを用いてモデルのアンサンブルを学習することとを交互に行う。 シミュレーションおよび実世界のデータセット上で,予測と特徴ランキングの両面で,提案手法の優れた性能を示す。
  論文  参考訳（メタデータ） (2021-09-07T13:58:23Z)
• Identification of Dynamical Systems using Symbolic Regression [0.0]
  本稿では,観測データから動的システムのモデルを特定する手法について述べる。 新しくなったのは、ODEパラメータの勾配に基づく最適化のステップを追加することです。 パラメータの勾配に基づく最適化はモデルの予測精度を向上させる。
  論文  参考訳（メタデータ） (2021-07-06T11:41:10Z)
• Identification of Probability weighted ARX models with arbitrary domains [75.91002178647165]
  PieceWise Affineモデルは、ハイブリッドシステムの他のクラスに対する普遍近似、局所線型性、同値性を保証する。 本研究では,任意の領域を持つ固有入力モデル(NPWARX)を用いたPieceWise Auto Regressiveの同定に着目する。 このアーキテクチャは、機械学習の分野で開発されたMixture of Expertの概念に従って考案された。
  論文  参考訳（メタデータ） (2020-09-29T12:50:33Z)
• Adaptive Physics-Informed Neural Networks for Markov-Chain Monte Carlo [2.741266294612776]
  確率関数の計算にPDEを解く必要があるパラメータ推定問題に焦点をあてる。 提案手法は,(1)フォワードモデルへの近似としてオフラインPINN-UQモデルを構築し,(2)MCMCサンプルから生成されたサンプルを用いて,この近似モデルをフライで精製する。 本稿では,ポアソン方程式に支配されるシステムのパラメータ推定問題の解法として,提案手法の性能を数値的に示す。
  論文  参考訳（メタデータ） (2020-08-03T15:25:10Z)

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。