Fugu-MT 論文翻訳(概要): Numerical Artifacts in Learning Dynamical Systems

論文の概要: Numerical Artifacts in Learning Dynamical Systems

arxiv url: http://arxiv.org/abs/2507.14491v2
Date: Sat, 26 Jul 2025 08:38:09 GMT
ステータス: 翻訳完了
システム内更新日: 2025-07-29 12:09:50.597565
Title: Numerical Artifacts in Learning Dynamical Systems
Title（参考訳）: 動的システム学習における数値アーチファクト
Authors: Bing-Ze Lu, Richard Tsai,
Abstract要約: 多くの応用において、その解から有限の時間点でサンプリングされた力学系を学ぶ必要がある。本稿では,選択した数値スキームが学習結果に与える影響について述べる。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: In many applications, one needs to learn a dynamical system from its solutions sampled at a finite number of time points. The learning problem is often formulated as an optimization problem over a chosen function class. However, in the optimization procedure, it is necessary to employ a numerical scheme to integrate candidate dynamical systems and assess how their solutions fit the data. This paper reveals potentially serious effects of a chosen numerical scheme on the learning outcome. In particular, our analysis demonstrates that a damped oscillatory system may be incorrectly identified as having "anti-damping" and exhibiting a reversed oscillation direction, despite adequately fitting the given data points.
Abstract（参考訳）: 多くの応用において、その解から有限の時間点でサンプリングされた力学系を学ぶ必要がある。学習問題は、しばしば選択された関数クラスに対する最適化問題として定式化される。しかし、最適化手順では、候補力学系を統合し、それらの解がデータにどのように適合するかを評価するために、数値的なスキームを用いる必要がある。本稿では,選択した数値スキームが学習結果に与える影響について述べる。特に, 減衰振動系は, 与えられたデータ点を適切に適合させても, 反減衰であり, 逆振動方向を示すと誤同定されることが示唆された。

関連論文リスト

Learning Controlled Stochastic Differential Equations [61.82896036131116]
本研究では,非一様拡散を伴う連続多次元非線形微分方程式のドリフト係数と拡散係数の両方を推定する新しい手法を提案する。我々は、(L2)、(Linfty)の有限サンプル境界や、係数の正則性に適応する学習率を持つリスクメトリクスを含む、強力な理論的保証を提供する。当社のメソッドはオープンソースPythonライブラリとして利用可能です。
論文参考訳（メタデータ） (2024-11-04T11:09:58Z)
Exponential time differencing for matrix-valued dynamical systems [0.0]
指数時間差分法(ETD)は、線形項を正確に扱い、高度に安定な数値スキームを生成することが知られている。本稿では,行列値の動的方程式に対するETDアルゴリズムのクラスの拡張を提案する。これにより、高度に効率的で安定した統合スキームを作成できます。
論文参考訳（メタデータ） (2024-06-19T18:22:23Z)
Physics-Informed Solution of The Stationary Fokker-Plank Equation for a Class of Nonlinear Dynamical Systems: An Evaluation Study [0.0]
Fokker-Planck(FP)方程式の正確な解析解は、力学系の限られた部分集合に対してのみ利用できる。その可能性を評価するために、FP方程式を解くために、データフリーで物理インフォームドニューラルネットワーク(PINN)フレームワークを提案する。
論文参考訳（メタデータ） (2023-09-25T13:17:34Z)
Smoothed Online Learning for Prediction in Piecewise Affine Systems [43.64498536409903]
本稿では,最近開発されたスムーズなオンライン学習フレームワークに基づく。これは、断片的なアフィン系における予測とシミュレーションのための最初のアルゴリズムを提供する。
論文参考訳（メタデータ） (2023-01-26T15:54:14Z)
Identifying the Dynamics of a System by Leveraging Data from Similar Systems [1.9813182042770605]
類似したシステムによって生成されたサンプルにアクセスできる場合,線形系の力学を同定する問題について検討する。重み付き最小二乗法を用いて、同定された力学の品質に関する有限サンプル性能保証を行う。
論文参考訳（メタデータ） (2022-04-11T23:47:06Z)
Neural Galerkin Schemes with Active Learning for High-Dimensional Evolution Equations [44.89798007370551]
本研究では,高次元偏微分方程式を数値的に解くために,能動的学習を用いた学習データを生成するディープラーニングに基づくニューラル・ガレルキンスキームを提案する。ニューラル・ガレルキンスキームはディラック・フランケル変分法に基づいて、残余を時間とともに最小化することで、ネットワークを訓練する。提案したニューラル・ガレルキン・スキームの学習データ収集は,高次元におけるネットワークの表現力を数値的に実現するための鍵となる。
論文参考訳（メタデータ） (2022-03-02T19:09:52Z)
Capturing Actionable Dynamics with Structured Latent Ordinary Differential Equations [68.62843292346813]
本稿では,その潜在表現内でのシステム入力の変動をキャプチャする構造付き潜在ODEモデルを提案する。静的変数仕様に基づいて,本モデルではシステムへの入力毎の変動要因を学習し,潜在空間におけるシステム入力の影響を分離する。
論文参考訳（メタデータ） (2022-02-25T20:00:56Z)
Supervised DKRC with Images for Offline System Identification [77.34726150561087]
現代の力学系はますます非線形で複雑なものになりつつある。予測と制御のためのコンパクトで包括的な表現でこれらのシステムをモデル化するフレームワークが必要である。本手法は,教師付き学習手法を用いてこれらの基礎関数を学習する。
論文参考訳（メタデータ） (2021-09-06T04:39:06Z)
Efficient time stepping for numerical integration using reinforcement learning [0.15393457051344295]
機械学習とメタラーニングに基づくデータ駆動型タイムステッピング方式を提案する。まず、1つまたは複数の基礎学習者(非滑らかまたはハイブリッドシステムの場合)はRLを使用して訓練されます。次に、メタ学習者は(システムの状態に応じて)現在の状況に最適と思われる基礎学習者を選択する訓練を受ける。
論文参考訳（メタデータ） (2021-04-08T07:24:54Z)
Linear embedding of nonlinear dynamical systems and prospects for efficient quantum algorithms [74.17312533172291]
有限非線形力学系を無限線型力学系(埋め込み)にマッピングする方法を述べる。次に、有限線型系 (truncation) による結果の無限線型系を近似するアプローチを検討する。
論文参考訳（メタデータ） (2020-12-12T00:01:10Z)
Large-scale Neural Solvers for Partial Differential Equations [48.7576911714538]
偏微分方程式 (PDE) を解くことは、多くのプロセスがPDEの観点でモデル化できるため、科学の多くの分野において不可欠である。最近の数値解法では、基礎となる方程式を手動で離散化するだけでなく、分散コンピューティングのための高度で調整されたコードも必要である。偏微分方程式, 物理インフォームドニューラルネットワーク(PINN)に対する連続メッシュフリーニューラルネットワークの適用性について検討する。本稿では,解析解に関するGatedPINNの精度と,スペクトル解法などの最先端数値解法について論じる。
論文参考訳（メタデータ） (2020-09-08T13:26:51Z)
Active Importance Sampling for Variational Objectives Dominated by Rare Events: Consequences for Optimization and Generalization [12.617078020344618]
本稿では,レアイベントサンプリング手法とニューラルネットワーク最適化を組み合わせて,レアイベントに支配される目的関数を最適化する手法を提案する。重要度サンプリングは学習問題に対する解の分散を減少させ,一般化の利点を示唆することを示す。数値実験により,高次元データと希少データの複合化が困難である場合でも,学習を成功させることができた。
論文参考訳（メタデータ） (2020-08-11T23:38:09Z)
Active Learning for Nonlinear System Identification with Guarantees [102.43355665393067]
状態遷移が既知の状態-作用対の特徴埋め込みに線形に依存する非線形力学系のクラスについて検討する。そこで本稿では, トラジェクティブ・プランニング, トラジェクティブ・トラッキング, システムの再推定という3つのステップを繰り返すことで, この問題を解決するためのアクティブ・ラーニング・アプローチを提案する。本手法は, 非線形力学系を標準線形回帰の統計速度と同様, パラメトリック速度で推定する。
論文参考訳（メタデータ） (2020-06-18T04:54:11Z)

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。