論文の概要: Topology Structure Optimization of Reservoirs Using GLMY Homology

• arxiv url: http://arxiv.org/abs/2509.11612v1
• Date: Mon, 15 Sep 2025 06:11:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-16 17:26:23.16818
• Title: Topology Structure Optimization of Reservoirs Using GLMY Homology
• Title（参考訳）: GLMYホモロジーを用いた貯留層のトポロジー構造最適化
• Authors: Yu Chen, Shengwei Wang, Hongwei Lin,
• Abstract要約: GLMYホモロジー理論を用いた貯水池のトポロジー構造について検討する。 本研究では, 1次元GLMYホモロジー群の最小代表周期を変更することで, 貯留層構造を最適化する手法を開発した。 実験により, 貯留層の性能は, 貯留層構造とデータセットの周期性に共同的に影響することが確認された。
• 参考スコア（独自算出の注目度）: 6.254957286823388
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Reservoir is an efficient network for time series processing. It is well known that network structure is one of the determinants of its performance. However, the topology structure of reservoirs, as well as their performance, is hard to analyzed, due to the lack of suitable mathematical tools. In this paper, we study the topology structure of reservoirs using persistent GLMY homology theory, and develop a method to improve its performance. Specifically, it is found that the reservoir performance is closely related to the one-dimensional GLMY homology groups. Then, we develop a reservoir structure optimization method by modifying the minimal representative cycles of one-dimensional GLMY homology groups. Finally, by experiments, it is validated that the performance of reservoirs is jointly influenced by the reservoir structure and the periodicity of the dataset.
• Abstract（参考訳）: Reservoirは時系列処理のための効率的なネットワークである。 ネットワーク構造が性能決定要因の1つであることはよく知られている。 しかし, 貯水池のトポロジー構造とその性能は, 適切な数学的ツールが欠如しているため, 解析が困難である。 本稿では, 持続的GLMYホモロジー理論を用いた貯水池のトポロジー構造について検討し, その性能向上手法を開発した。 具体的には, 貯水池の性能は, 1次元GLMYホモロジー群と密接に関連していることがわかった。 そこで我々は, 1次元GLMYホモロジー群の最小代表周期を変更することで, 貯水池構造最適化手法を開発した。 最後に, 貯留層の性能が, 貯留層構造とデータセットの周期性に共同的に影響されることを実験により検証した。

関連論文リスト

• AlphaFold Database Debiasing for Robust Inverse Folding [58.792020809180336]
  Debiasing Structure AutoEncoder (DeSAE)を導入し、故意に破損したバックボーンジオメトリからネイティブライクなコンフォーメーションを再構築することを学ぶ。 推測において、DeSAEをAFDB構造に適用すると、逆折り畳み性能を著しく向上する偏りのある構造が生成される。
  論文  参考訳（メタデータ） (2025-06-10T02:25:31Z)
• ASGO: Adaptive Structured Gradient Optimization [22.972407323248742]
  本稿では,構造的勾配特性を活かした新しい最適化アルゴリズムASGOを提案する。 微粒な理論解析により、ASGOはより優れた収束率を達成することが証明されている。 AsGOは低ランクかつブロックワイドな対角特性の恩恵を受けることができることを示す。
  論文  参考訳（メタデータ） (2025-03-26T17:50:13Z)
• LOCAL: Learning with Orientation Matrix to Infer Causal Structure from Time Series Data [51.47827479376251]
  LOCALは動的因果構造を復元するための効率的で実装が容易で制約のない手法である。 Asymptotic Causal Learning Mask (ACML) と Dynamic Graph Learning (DGPL) 合成および実世界のデータセットの実験では、LOCALが既存の手法よりも大幅に優れていることが示されている。
  論文  参考訳（メタデータ） (2024-10-25T10:48:41Z)
• TopoBench: A Framework for Benchmarking Topological Deep Learning [48.21297982414672]
  トポロジカルディープラーニング(TDL)の研究の標準化と高速化を目的としたオープンソースライブラリであるTopoBenchを紹介する。 TopoBenchは、TDLをデータ生成、ロード、変換、処理、モデルトレーニング、最適化、評価のための独立したモジュールのシーケンスに分解する。 TopoBenchの重要な機能は、トポロジカルドメイン間の変換とリフトをサポートすることだ。
  論文  参考訳（メタデータ） (2024-06-09T18:31:19Z)
• Hierarchical clustering with dot products recovers hidden tree structure [53.68551192799585]
  本稿では,階層構造の回復に着目した凝集クラスタリングアルゴリズムの新しい視点を提案する。 クラスタを最大平均点積でマージし、例えば最小距離やクラスタ内分散でマージしないような、標準的なアルゴリズムの単純な変種を推奨する。 このアルゴリズムにより得られた木は、汎用確率的グラフィカルモデルの下で、データ中の生成的階層構造をボナフェイド推定することを示した。
  論文  参考訳（メタデータ） (2023-05-24T11:05:12Z)
• Deep learning based closed-loop optimization of geothermal reservoir production [0.0]
  本研究では,深部地熱貯留層を最適に制御するために,深部学習サロゲートに基づくクローズドループ最適化フレームワークを提案する。 我々は,畳み込みニューラルネットワーク(CNN)と長期記憶(LSTM)を組み合わせたハイブリッド畳み込み再帰型ニューラルネットワークサロゲートを構築した。 提案手法は, 地熱貯留層生産プロセスにおいて, 効率的かつ効率的なリアルタイム最適化とデータ同化を実現することができることを示す。
  論文  参考訳（メタデータ） (2022-04-15T14:37:28Z)
• DAGs with No Curl: An Efficient DAG Structure Learning Approach [62.885572432958504]
  近年のDAG構造学習は連続的な非巡回性制約を伴う制約付き連続最適化問題として定式化されている。 本稿では,DAG空間の重み付き隣接行列を直接モデル化し,学習するための新しい学習フレームワークを提案する。 本手法は, 線形および一般化された構造方程式モデルにおいて, ベースラインDAG構造学習法よりも精度が高いが, 効率がよいことを示す。
  論文  参考訳（メタデータ） (2021-06-14T07:11:36Z)
• Additive Tree-Structured Covariance Function for Conditional Parameter Spaces in Bayesian Optimization [34.89735938765757]
  木構造関数への加法的仮定を一般化する。 パラメータ空間の構造情報と加法仮定をBOループに組み込むことで,取得関数を最適化する並列アルゴリズムを開発した。
  論文  参考訳（メタデータ） (2020-06-21T11:21:55Z)

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。