論文の概要: Denoising and Reconstruction of Nonlinear Dynamics using Truncated Reservoir Computing
- arxiv url: http://arxiv.org/abs/2504.13355v1
- Date: Thu, 17 Apr 2025 21:47:13 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-04-28 20:10:15.66088
- Title: Denoising and Reconstruction of Nonlinear Dynamics using Truncated Reservoir Computing
- Title（参考訳）: トランク型貯留層計算による非線形ダイナミクスの復調と復元
- Authors: Omid Sedehi, Manish Yadav, Merten Stender, Sebastian Oberst,
- Abstract要約: 本稿では,ノイズフィルタリングと非線形ダイナミクス再構築のための新しいReservoir Computing(RC)手法を提案する。
動的パラメータにおける雑音強度, 雑音周波数, および劇的なシフトの観点から, RCの性能について検討した。
演算器の冗長ノードとエッジをトラッピングすることで,デノナイジング性能が向上することが示されている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Measurements acquired from distributed physical systems are often sparse and noisy. Therefore, signal processing and system identification tools are required to mitigate noise effects and reconstruct unobserved dynamics from limited sensor data. However, this process is particularly challenging because the fundamental equations governing the dynamics are largely unavailable in practice. Reservoir Computing (RC) techniques have shown promise in efficiently simulating dynamical systems through an unstructured and efficient computation graph comprising a set of neurons with random connectivity. However, the potential of RC to operate in noisy regimes and distinguish noise from the primary dynamics of the system has not been fully explored. This paper presents a novel RC method for noise filtering and reconstructing nonlinear dynamics, offering a novel learning protocol associated with hyperparameter optimization. The performance of the RC in terms of noise intensity, noise frequency content, and drastic shifts in dynamical parameters are studied in two illustrative examples involving the nonlinear dynamics of the Lorenz attractor and adaptive exponential integrate-and-fire system (AdEx). It is shown that the denoising performance improves via truncating redundant nodes and edges of the computing reservoir, as well as properly optimizing the hyperparameters, e.g., the leakage rate, the spectral radius, the input connectivity, and the ridge regression parameter. Furthermore, the presented framework shows good generalization behavior when tested for reconstructing unseen attractors from the bifurcation diagram. Compared to the Extended Kalman Filter (EKF), the presented RC framework yields competitive accuracy at low signal-to-noise ratios (SNRs) and high-frequency ranges.
- Abstract（参考訳）: 分散物理系から得られる測定は、しばしばスパースでうるさい。
そのため,信号処理やシステム識別ツールは,ノイズ効果を軽減し,限られたセンサデータから観測不能なダイナミクスを再構築するために必要である。
しかし、この過程は、力学の基本的な方程式が実際にはほとんど利用できないため、特に困難である。
貯留層計算 (Reservoir Computing, RC) 技術は, ランダムに接続するニューロンの集合からなる非構造的で効率的な計算グラフを通じて, 動的システムを効率的にシミュレーションすることを約束している。
しかし、RCがノイズの多い環境で動作し、システムの一次力学とノイズを区別する可能性については、完全には研究されていない。
本稿では,高パラメータ最適化に付随する新しい学習プロトコルを提供する,非線形力学のノイズフィルタリングと再構成のための新しいRC手法を提案する。
雑音強度, 雑音周波数量, および動的パラメータの劇的シフトに関するRCの性能を, ローレンツ・アトラクタの非線形ダイナミクスと適応型指数積分・消火システム(AdEx)を含む2つの例で検討した。
演算器の冗長ノードやエッジをトラッピングし,ハイパーパラメータ,例えばリーク率,スペクトル半径,入力接続性,リッジ回帰パラメータを適切に最適化することにより,デノナイジング性能が向上することを示した。
さらに, 提案フレームワークは, 分岐図から目に見えないアトラクタを再構築する際の, 優れた一般化挙動を示す。
拡張カルマンフィルタ (EKF) と比較して, 提案したRCフレームワークは低信号-雑音比 (SNR) と高周波域で競合精度を得る。
関連論文リスト
- Generative System Dynamics in Recurrent Neural Networks [56.958984970518564]
リカレントニューラルネットワーク(RNN)の連続時間ダイナミクスについて検討する。
線形および非線形構成の両方において安定な極限サイクルを実現するためには,スキュー対称性の重み行列が基本であることを示す。
数値シミュレーションは、非線形活性化関数が極限周期を維持するだけでなく、システム統合プロセスの数値安定性を高めることを示す。
論文 参考訳（メタデータ） (2025-04-16T10:39:43Z) - Efficient Transformed Gaussian Process State-Space Models for Non-Stationary High-Dimensional Dynamical Systems [49.819436680336786]
本研究では,高次元非定常力学系のスケーラブルかつ柔軟なモデリングのための効率的な変換ガウス過程状態空間モデル(ETGPSSM)を提案する。
具体的には、ETGPSSMは、単一の共有GPと入力依存の正規化フローを統合し、複雑な非定常遷移ダイナミクスを捉える前に、表現的な暗黙のプロセスを生成する。
ETGPSSMは、計算効率と精度の観点から、既存のGPSSMとニューラルネットワークベースのSSMより優れています。
論文 参考訳（メタデータ） (2025-03-24T03:19:45Z) - Efficient learning and optimizing non-Gaussian correlated noise in digitally controlled qubit systems [0.6138671548064356]
雑音最適化回路設計における高次スペクトル推定法について述べる。
注目すべきは、デジタル駆動された量子ビットダイナミクスは、適用された制御の複雑さによってのみ決定できることである。
論文 参考訳（メタデータ） (2025-02-08T02:09:40Z) - Pressure Field Reconstruction with SIREN: A Mesh-Free Approach for Image Velocimetry in Complex Noisy Environments [44.99833362998488]
本研究は,SIREN(Sinusoidal Representation Network)を用いた画像速度測定データからの圧力場再構成のための新しいアプローチを提案する。
ノイズの多い環境での暗黙の神経表現としての有効性とメッシュのない性質を強調している。
論文 参考訳（メタデータ） (2025-01-29T20:49:59Z) - ADAM-SINDy: An Efficient Optimization Framework for Parameterized Nonlinear Dynamical System Identification [0.0]
本稿では,ADAM-SINDyと呼ばれるSINDyフレームワークの新たな手法を提案する。
ADAM-SINDyはADAM最適化アルゴリズムを用いて確立されたアプローチの強みを合成する。
その結果、パラメータ化力学系を同定する際の大幅な改善が示された。
論文 参考訳（メタデータ） (2024-10-21T21:36:17Z) - Physics-informed AI and ML-based sparse system identification algorithm for discovery of PDE's representing nonlinear dynamic systems [0.0]
提案手法は, 3次元, 4次, 剛性方程式を含む, 様々な雑音レベルの微分方程式を探索する。
パラメータ推定は変動係数が小さい真の値に正確に収束し、ノイズに頑健性を示す。
論文 参考訳（メタデータ） (2024-10-13T21:48:51Z) - Realistic Noise Synthesis with Diffusion Models [44.404059914652194]
ディープラーニングモデルには、大規模な実世界のトレーニングデータが必要です。
本稿では,これらの課題に対処するために拡散モデルを用いた新しい実音合成拡散器(RNSD)法を提案する。
論文 参考訳（メタデータ） (2023-05-23T12:56:01Z) - Reduced order modeling of parametrized systems through autoencoders and
SINDy approach: continuation of periodic solutions [0.0]
本研究は,ROM構築と動的識別の低減を組み合わせたデータ駆動型非侵入型フレームワークを提案する。
提案手法は、非線形力学(SINDy)のパラメトリックスパース同定によるオートエンコーダニューラルネットワークを利用して、低次元力学モデルを構築する。
これらは、システムパラメータの関数として周期的定常応答の進化を追跡し、過渡位相の計算を避け、不安定性と分岐を検出することを目的としている。
論文 参考訳（メタデータ） (2022-11-13T01:57:18Z) - 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) - Asymmetric Heavy Tails and Implicit Bias in Gaussian Noise Injections [73.95786440318369]
我々は、勾配降下(SGD)のダイナミクスに対する注射ノイズの影響であるGNIsのいわゆる暗黙効果に焦点を当てています。
この効果は勾配更新に非対称な重尾ノイズを誘発することを示す。
そして、GNIが暗黙のバイアスを引き起こすことを正式に証明し、これは尾の重みと非対称性のレベルによって異なる。
論文 参考訳（メタデータ） (2021-02-13T21:28:09Z) - Multiplicative noise and heavy tails in stochastic optimization [62.993432503309485]
経験的最適化は現代の機械学習の中心であるが、その成功における役割はまだ不明である。
分散による離散乗法雑音のパラメータによく現れることを示す。
最新のステップサイズやデータを含む重要な要素について、詳細な分析を行い、いずれも最先端のニューラルネットワークモデルで同様の結果を示す。
論文 参考訳（メタデータ） (2020-06-11T09:58:01Z) - A Data-Driven Approach for Discovering Stochastic Dynamical Systems with
Non-Gaussian Levy Noise [5.17900889163564]
ノイズの多いデータセットから規制法則を抽出する新しいデータ駆動手法を開発した。
まず, ドリフト係数, 拡散係数, ジャンプ測度を表現し, 実現可能な理論的枠組みを確立する。
そこで我々は, ドリフト, 拡散係数, ジャンプ測度を計算する数値アルゴリズムを設計し, ガウス雑音および非ガウス雑音による支配方程式を抽出する。
論文 参考訳（メタデータ） (2020-05-07T21:29:17Z)
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。