論文の概要: Adaptive Nonlinear Data Assimilation through P-Spline Triangular Measure Transport

• arxiv url: http://arxiv.org/abs/2603.19058v1
• Date: Thu, 19 Mar 2026 15:50:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-20 17:19:06.240968
• Title: Adaptive Nonlinear Data Assimilation through P-Spline Triangular Measure Transport
• Title（参考訳）: P-スプライン三角形輸送による適応非線形データ同化
• Authors: Berent Å. S. Lunde, Maximilian Ramgraber,
• Abstract要約: 三角形測度輸送は非線形データ同化のための柔軟なフレームワークを提供する。 擬似パラメトリゼーションを自動的に選択する適応アルゴリズムを開発した。 非線形非ガウス問題においてその性能を示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Non-Gaussian statistics are a challenge for data assimilation. Linear methods oversimplify the problem, yet fully nonlinear methods are often too expensive to use in practice. The best solution usually lies between these extremes. Triangular measure transport offers a flexible framework for nonlinear data assimilation. Its success, however, depends on how the map is parametrized. Too much flexibility leads to overfitting; too little misses important structure. To address this balance, we develop an adaptation algorithm that selects a parsimonious parametrization automatically. Our method uses P-spline basis functions and an information criterion as a continuous measure of model complexity. This formulation enables gradient descent and allows efficient, fine-scale adaptation in high-dimensional settings. The resulting algorithm requires no hyperparameter tuning. It adjusts the transport map to the appropriate level of complexity based on the system statistics and ensemble size. We demonstrate its performance in nonlinear, non-Gaussian problems, including a high-dimensional distributed groundwater model.
• Abstract（参考訳）: 非ガウス統計はデータ同化の課題である。 線形メソッドは問題を単純化するが、完全に非線形メソッドは実際に使用するには高すぎることが多い。 最良の解決策は、通常これらの極端の間にあります。 三角形測度輸送は非線形データ同化のための柔軟なフレームワークを提供する。 しかし、その成功は、どのようにして地図がパラメータ化されるかによって異なる。 柔軟性が多すぎると過度に適合し、重要な構造を見逃してしまう。 このバランスに対処するため,パラメトリゼーションを自動的に選択する適応アルゴリズムを開発した。 本手法では,P-スプライン基底関数と情報基準をモデル複雑性の連続測度として用いる。 この定式化は勾配降下を可能にし、高次元設定における効率的で微細な適応を可能にする。 結果のアルゴリズムはハイパーパラメータチューニングを必要としない。 システム統計とアンサンブルサイズに基づいて、トランスポートマップを適切なレベルの複雑性に調整する。 本研究では,高次元地下水モデルを含む非線形非ガウス問題において,その性能を示す。

関連論文リスト

• An Iterative Bayesian Approach for System Identification based on Linear Gaussian Models [70.75865595489691]
  システム識別の問題に取り組み、入力を選択し、実際のシステムから対応する出力を観測し、データに最も合うようにモデルのパラメータを最適化する。 提案手法では,システムからの入力出力データとパラメータに関するモデルの1次情報のみを必要とする。
  論文  参考訳（メタデータ） (2025-01-28T01:57:51Z)
• Accelerated zero-order SGD under high-order smoothness and overparameterized regime [79.85163929026146]
  凸最適化問題を解くための新しい勾配のないアルゴリズムを提案する。 このような問題は医学、物理学、機械学習で発生する。 両種類の雑音下で提案アルゴリズムの収束保証を行う。
  論文  参考訳（メタデータ） (2024-11-21T10:26:17Z)
• Highly Adaptive Ridge [84.38107748875144]
  直交可積分な部分微分を持つ右連続函数のクラスにおいて,$n-2/3$自由次元L2収束率を達成する回帰法を提案する。 Harは、飽和ゼロオーダーテンソル積スプライン基底展開に基づいて、特定のデータ適応型カーネルで正確にカーネルリッジレグレッションを行う。 我々は、特に小さなデータセットに対する最先端アルゴリズムよりも経験的性能が優れていることを示す。
  論文  参考訳（メタデータ） (2024-10-03T17:06:06Z)
• Flow-based Distributionally Robust Optimization [23.232731771848883]
  We present a framework, called $textttFlowDRO$, for solve flow-based distributionally robust optimization (DRO) problem with Wasserstein uncertainty set。 我々は、連続した最悪のケース分布(Last Favorable Distribution, LFD)とそれからのサンプルを見つけることを目指している。 本稿では、逆学習、分布論的に堅牢な仮説テスト、およびデータ駆動型分布摂動差分プライバシーの新しいメカニズムを実証する。
  論文  参考訳（メタデータ） (2023-10-30T03:53:31Z)
• SIGMA: Scale-Invariant Global Sparse Shape Matching [50.385414715675076]
  非剛体形状の正確なスパース対応を生成するための新しい混合整数プログラミング(MIP)法を提案する。 いくつかの挑戦的な3Dデータセットに対して,スパースな非剛性マッチングの最先端結果を示す。
  論文  参考訳（メタデータ） (2023-08-16T14:25:30Z)
• Sampling from Gaussian Process Posteriors using Stochastic Gradient Descent [43.097493761380186]
  勾配アルゴリズムは線形系を解くのに有効な方法である。 最適値に収束しない場合であっても,勾配降下は正確な予測を導出することを示す。 実験的に、勾配降下は十分に大規模または不条件の回帰タスクにおいて最先端の性能を達成する。
  論文  参考訳（メタデータ） (2023-06-20T15:07:37Z)
• Constrained Optimization via Exact Augmented Lagrangian and Randomized Iterative Sketching [55.28394191394675]
  等式制約付き非線形非IBS最適化問題に対する適応的不正確なニュートン法を開発した。 ベンチマーク非線形問題,LVMのデータによる制約付きロジスティック回帰,PDE制約問題において,本手法の優れた性能を示す。
  論文  参考訳（メタデータ） (2023-05-28T06:33:37Z)
• Machine learning algorithms for three-dimensional mean-curvature computation in the level-set method [0.0]
  レベルセット法のためのデータ駆動平均曲率解法を提案する。 提案方式は, 現在の粒子界面再構成よりも高精度な平均曲率推定を行うことができる。
  論文  参考訳（メタデータ） (2022-08-18T20:19:22Z)
• Nonlinearities in Steerable SO(2)-Equivariant CNNs [7.552100672006172]
  我々は,SO(2)の表現に対する非線形性の影響を照らし出すために調和歪み解析を適用した。 我々は、非線形変換されたアクティベーションの表現を計算するための新しいFFTベースのアルゴリズムを開発した。 2Dおよび3Dデータを用いた実験では、連続対称性と正確な同値性において、精度の点で最先端と良好に比較できる結果が得られる。
  論文  参考訳（メタデータ） (2021-09-14T17:53:45Z)
• Semi-analytic approximate stability selection for correlated data in generalized linear models [3.42658286826597]
  そこで本研究では,繰り返しのフィッティングを行なわずに安定選択を行うことのできる,新しい近似推論アルゴリズムを提案する。 このアルゴリズムは,情報理論の統計力学とベクトル近似メッセージパッシングの複製法に基づく。 数値実験により, このアルゴリズムは, 合成データと実世界のデータの両方に対して, 高速収束と高い近似精度を示すことを示した。
  論文  参考訳（メタデータ） (2020-03-19T10:43:12Z)

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。