Fugu-MT 論文翻訳(概要): mNARX+: A surrogate model for complex dynamical systems using manifold-NARX and automatic feature selection

論文の概要: mNARX+: A surrogate model for complex dynamical systems using manifold-NARX and automatic feature selection

arxiv url: http://arxiv.org/abs/2507.13301v1
Date: Thu, 17 Jul 2025 17:11:07 GMT
ステータス: 翻訳完了
システム内更新日: 2025-07-18 20:10:24.589077
Title: mNARX+: A surrogate model for complex dynamical systems using manifold-NARX and automatic feature selection
Title（参考訳）: mNARX+:多様体-NARXと自動特徴選択を用いた複雑な力学系の代理モデル
Authors: S. Schär, S. Marelli, B. Sudret,
Abstract要約: 機能的NARX(F-NARX)モデリングの特徴に基づく構造を利用した非線形自己回帰モデリングのための自動手法を提案する。我々は,mNARX+アルゴリズムが,複雑な力学系に対する高精度で安定な代理モデルを作成するための体系的,データ駆動型手法を提供することを示した。
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: We propose an automatic approach for manifold nonlinear autoregressive with exogenous inputs (mNARX) modeling that leverages the feature-based structure of functional-NARX (F-NARX) modeling. This novel approach, termed mNARX+, preserves the key strength of the mNARX framework, which is its expressivity allowing it to model complex dynamical systems, while simultaneously addressing a key limitation: the heavy reliance on domain expertise to identify relevant auxiliary quantities and their causal ordering. Our method employs a data-driven, recursive algorithm that automates the construction of the mNARX model sequence. It operates by sequentially selecting temporal features based on their correlation with the model prediction residuals, thereby automatically identifying the most critical auxiliary quantities and the order in which they should be modeled. This procedure significantly reduces the need for prior system knowledge. We demonstrate the effectiveness of the mNARX+ algorithm on two case studies: a Bouc-Wen oscillator with strong hysteresis and a complex aero-servo-elastic wind turbine simulator. The results show that the algorithm provides a systematic, data-driven method for creating accurate and stable surrogate models for complex dynamical systems.
Abstract（参考訳）: 機能的NARX(F-NARX)モデリングの特徴に基づく構造を生かした,外因性入力(mNARX)モデリングを用いた多様体非線形自己回帰器の自動設計手法を提案する。この新しいアプローチはmNARX+と呼ばれ、mNARXフレームワークの重要な強みを保ち、その表現力は複雑な力学系をモデル化すると同時に、関連する補助量とその因果順序を特定するためのドメインの専門知識に大きく依存する。本手法では,mNARXモデルシーケンスの構築を自動化するデータ駆動再帰アルゴリズムを用いる。モデル予測残差との相関に基づいて時間的特徴を逐次選択することにより、最も重要な補助量とモデル化すべき順序を自動的に識別する。この手順は、事前のシステム知識の必要性を大幅に減らす。強ヒステリシスを持つブーク-ウェン発振器と複雑なエアロ-サーボ-弾性風力タービンシミュレータの2つのケーススタディにおいて,mNARX+アルゴリズムの有効性を実証した。その結果, このアルゴリズムは, 複雑な力学系に対して, 高精度で安定な代理モデルを作成するための, 体系的, データ駆動型手法を提供することを示した。

関連論文リスト

A system identification approach to clustering vector autoregressive time series [50.66782357329375]
基礎となる力学に基づく時系列のクラスタ化は、複雑なシステムモデリングを支援するために研究者を惹きつけている。現在の時系列クラスタリング手法のほとんどは、スカラー時系列のみを処理し、ホワイトノイズとして扱うか、高品質な特徴構築のためにドメイン知識に依存している。システム識別アプローチは、機能/測定構造に頼るのではなく、基礎となる自己回帰力学を明示的に考慮することで、ベクトル時系列クラスタリングを処理できる。
論文参考訳（メタデータ） (2025-05-20T14:31:44Z)
NonSysId: A nonlinear system identification package with improved model term selection for NARMAX models [2.6684288899870543]
本稿では,非線形システム識別のためのオープンソースソフトウェアパッケージであるNonSysIdを紹介する。このソフトウェアには、シミュレーション(フリーラン)の精度を優先する高度な項選択手法が組み込まれている。 NonSysIdは、構造的健康モニタリング、故障診断、バイオメディカル信号処理などのリアルタイムアプリケーションに特に適している。
論文参考訳（メタデータ） (2024-11-25T15:19:19Z)
Automatically Learning Hybrid Digital Twins of Dynamical Systems [56.69628749813084]
Digital Twins (DT)は、現実世界のシステムの状態と時間力学をシミュレートする。 DTは、しばしばデータスカース設定で目に見えない条件に一般化するのに苦労します。本稿では,HDTwinsを自律的に提案し,評価し,最適化するための進化的アルゴリズム(textbfHDTwinGen$)を提案する。
論文参考訳（メタデータ） (2024-10-31T07:28:22Z)
Stochastic parameter reduced-order model based on hybrid machine learning approaches [4.378407481656902]
本稿では,畳み込み型オートエンコーダ-貯水池コンピューティング-Normalizing Flowアルゴリズムの枠組みを構築した。このフレームワークは潜在状態変数の進化を特徴づけるために使われる。このようにして、複雑なシステムとその動的挙動を記述するために、データ駆動の減階モデルを構築する。
論文参考訳（メタデータ） (2024-03-24T06:52:37Z)
Emulating the dynamics of complex systems using autoregressive models on manifolds (mNARX) [0.0]
本稿では,複雑な力学系の応答を効率的に近似する新しい代理モデリング手法を提案する。我々は,mNARXが古典的な結合ばね質量系の応答を予測する際に,従来の自己回帰サロゲートよりも優れていることを示す。また、mNARXは、アクティブコントローラの影響を受けても、非常に高次元の時間・状態依存システムのエミュレートに適していることを示す。
論文参考訳（メタデータ） (2023-06-28T16:11:50Z)
Capturing dynamical correlations using implicit neural representations [85.66456606776552]
実験データから未知のパラメータを復元するために、モデルハミルトンのシミュレーションデータを模倣するために訓練されたニューラルネットワークと自動微分を組み合わせた人工知能フレームワークを開発する。そこで本研究では, 実時間から多次元散乱データに適用可能な微分可能なモデルを1回だけ構築し, 訓練する能力について述べる。
論文参考訳（メタデータ） (2023-04-08T07:55:36Z)
Formal Controller Synthesis for Markov Jump Linear Systems with Uncertain Dynamics [64.72260320446158]
マルコフジャンプ線形系に対する制御器の合成法を提案する。本手法は,MJLSの離散(モードジャンピング)と連続(確率線形)の両方の挙動を捉える有限状態抽象化に基づいている。本手法を複数の現実的なベンチマーク問題,特に温度制御と航空機の配送問題に適用する。
論文参考訳（メタデータ） (2022-12-01T17:36:30Z)
Dynamic Bayesian Learning for Spatiotemporal Mechanistic Models [5.658544381300127]
メカニスティック力学モデルのベイズ学習に対するアプローチを示す。このような学習は、力学系の統計的エミュレーションから成り立っている。エミュレートされた学習者は、ノイズの多いデータからシステムのトレーニングに使用することができる。
論文参考訳（メタデータ） (2022-08-12T23:17:46Z)
Data-driven Control of Agent-based Models: an Equation/Variable-free Machine Learning Approach [0.0]
複雑/マルチスケールシステムの集合力学を制御するための方程式/変数自由機械学習(EVFML)フレームワークを提案する。提案手法は3段階からなる: (A) 高次元エージェントベースシミュレーション、機械学習(特に非線形多様体学習(DM)) 創発力学の数値分岐解析を行うために方程式のない手法を用いる。我々は,エージェントをベースとしたシミュレータを本質的で不正確に知られ,創発的なオープンループ定常状態に駆動する,データ駆動型組込み洗浄制御器を設計する。
論文参考訳（メタデータ） (2022-07-12T18:16:22Z)
Closed-form Continuous-Depth Models [99.40335716948101]
連続深度ニューラルモデルは高度な数値微分方程式解法に依存している。我々は,CfCネットワークと呼ばれる,記述が簡単で,少なくとも1桁高速な新しいモデル群を提示する。
論文参考訳（メタデータ） (2021-06-25T22:08:51Z)
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)
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)

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。