論文の概要: From Observations to Parameters: Detecting Changepoint in Nonlinear Dynamics with Simulation-based Inference

• arxiv url: http://arxiv.org/abs/2510.17933v1
• Date: Mon, 20 Oct 2025 15:29:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-25 03:08:12.419211
• Title: From Observations to Parameters: Detecting Changepoint in Nonlinear Dynamics with Simulation-based Inference
• Title（参考訳）: 観測からパラメータへ:シミュレーションに基づく推論による非線形ダイナミクスにおける変化点の検出
• Authors: Xiangbo Deng, Cheng Chen, Peng Yang,
• Abstract要約: Param-CPDは、シミュレーションベースの推論によって訓練された神経後部推定器を用いて、ベイジアンによる支配パラメータの推論を暗記する2段階のフレームワークである。 物理的に解釈可能なパラメータ空間での操作は,非線形力学系における高精度かつ解釈可能な変化点検出を可能にすることを示す。
• 参考スコア（独自算出の注目度）: 6.621511814416357
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Detecting regime shifts in chaotic time series is hard because observation-space signals are entangled with intrinsic variability. We propose Parameter--Space Changepoint Detection (Param--CPD), a two--stage framework that first amortizes Bayesian inference of governing parameters with a neural posterior estimator trained by simulation-based inference, and then applies a standard CPD algorithm to the resulting parameter trajectory. On Lorenz--63 with piecewise-constant parameters, Param--CPD improves F1, reduces localization error, and lowers false positives compared to observation--space baselines. We further verify identifiability and calibration of the inferred posteriors on stationary trajectories, explaining why parameter space offers a cleaner detection signal. Robustness analyses over tolerance, window length, and noise indicate consistent gains. Our results show that operating in a physically interpretable parameter space enables accurate and interpretable changepoint detection in nonlinear dynamical systems.
• Abstract（参考訳）: 観測空間信号は内在的変動に絡み合っているため、カオス時系列における状態変化の検出は困難である。 パラメータ-空間変化点検出(Param--CPD)という2段階のフレームワークを提案する。このフレームワークは、まず、シミュレーションベースの推論で訓練された神経後部推定器を用いて、ベイズ的パラメータ推定を記憶し、その結果のパラメータ軌跡に標準のCDDアルゴリズムを適用する。 Param-CPDはF1を改善し、ローレンツ--63では局所誤差を低減し、観測空間ベースラインと比較して偽陽性を下げる。 さらに、パラメータ空間がよりクリーンな検出信号を提供する理由を説明するため、静止軌道上での推論後部の識別性と校正性を検証した。 耐久性、窓の長さ、騒音に関するロバストネス分析は、一貫した利得を示している。 この結果から,非線形力学系における物理的に解釈可能なパラメータ空間の操作により,高精度かつ解釈可能な変化点検出が可能であることが示唆された。

関連論文リスト

• Continual Adaptation: Environment-Conditional Parameter Generation for Object Detection in Dynamic Scenarios [54.58186816693791]
  環境は時間と空間によって常に変化し、クローズドセットの仮定に基づいて訓練された物体検出器にとって重要な課題となる。 そこで本研究では,微調整過程をパラメータ生成に変換する機構を提案する。 特に,2経路LoRAベースのドメイン認識アダプタを最初に設計し,特徴をドメイン不変およびドメイン固有コンポーネントに分解する。
  論文  参考訳（メタデータ） (2025-06-30T17:14:12Z)
• Finite Correlation Length Scaling of Disorder Parameter at Quantum Criticality [2.570568710751949]
  二重図では、障害パラメータは実際に高次の対称性のSSBを検出する。 本研究では,非局所的障害パラメータを無限に投影された絡み合ったペア状態を用いて有用かつ効率的に評価できることを示す。
  論文  参考訳（メタデータ） (2024-11-01T20:19:57Z)
• Learning Radio Environments by Differentiable Ray Tracing [56.40113938833999]
  本稿では, 材料特性, 散乱, アンテナパターンの微分パラメトリゼーションによって補う, 勾配式キャリブレーション法を提案する。 提案手法は,MIMO(分散マルチインプットマルチインプット・マルチアウトプット・チャネル・サウンドア)を用いて,合成データと実世界の屋内チャネル計測の両方を用いて検証した。
  論文  参考訳（メタデータ） (2023-11-30T13:50:21Z)
• Support Vector Machine for Determining Euler Angles in an Inertial Navigation System [55.41644538483948]
  本稿では,機械学習(ML)法を用いたMEMSセンサを用いた慣性ナビゲーションシステムの精度向上について論じる。 提案アルゴリズムは,MEMSセンサに典型的なノイズの存在を正しく分類できることを実証した。
  論文  参考訳（メタデータ） (2022-12-07T10:01:11Z)
• Detecting Rotated Objects as Gaussian Distributions and Its 3-D Generalization [81.29406957201458]
  既存の検出方法は、パラメータ化バウンディングボックス(BBox)を使用して(水平)オブジェクトをモデル化し、検出する。 このような機構は回転検出に有効な回帰損失を構築するのに基本的な限界があると主張する。 回転した物体をガウス分布としてモデル化することを提案する。 2次元から3次元へのアプローチを、方向推定を扱うアルゴリズム設計により拡張する。
  論文  参考訳（メタデータ） (2022-09-22T07:50:48Z)
• Real-time gravitational-wave science with neural posterior estimation [64.67121167063696]
  ディープラーニングを用いた高速重力波パラメータ推定のための前例のない精度を示す。 LIGO-Virgo Gravitational-Wave Transient Catalogから8つの重力波事象を解析した。 標準推論符号と非常に密接な定量的な一致を見いだすが、推定時間がO(day)から1イベントあたり1分に短縮される。
  論文  参考訳（メタデータ） (2021-06-23T18:00:05Z)
• A compressive sensing based parameter estimation for free space continuous variable quantum key distribution [11.993734284815687]
  衛星による自由空間連続変動QKD(CV-QKD)では,大気チャネル変動のパラメータ推定が重要である。 CS理論をCV-QKDに適用し,計算量が少なく,少ないデータ量でチャネルパラメータ推定を実現する。
  論文  参考訳（メタデータ） (2021-03-25T23:58:40Z)
• Heisenberg scaling precision in the estimation of functions of parameters [0.0]
  一般の$M$チャネル線形ネットワークで符号化された任意のパラメータの任意の数$l$の関数の推定において,ハイゼンベルクのスケーリング精度に達するメロジカル戦略を提案する。 2つの補助線形ネットワークが必要であり、その役割は2つある: 干渉計と相互作用した後、信号が単一チャネルに再焦点され、線形ネットワークの分析により推定されるパラメータの関数が固定される。
  論文  参考訳（メタデータ） (2021-03-15T17:28:15Z)
• Accurate Parameter Estimation for Risk-aware Autonomous Systems [0.0]
  本稿では,自律システムの動的モデルのパラメータを推定するためのスペクトル線に基づくアプローチについて述べる。 既存の文献では、力学系のすべての非モデル化された成分をガウス下雑音として扱っている。 提案手法は既存の文献と一致して$tildeO(sqrtT)$ regretを保証できることを示す。
  論文  参考訳（メタデータ） (2020-06-23T01:20:44Z)
• Online Parameter Estimation for Safety-Critical Systems with Gaussian Processes [6.122161391301866]
  オンラインパラメータ推定のためのガウス過程(GP)に基づくベイズ最適化フレームワークを提案する。 パラメータ空間の応答面上の効率的な探索戦略を用いて、最小限の機能評価で大域最適解を求める。 我々は,パラメータの変化を考慮したシミュレーションにおいて,アクティベートされた平面振子と安全臨界振子について実演する。
  論文  参考訳（メタデータ） (2020-02-18T20:38:00Z)

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。