論文の概要: Reservoir observer enhanced with residual calibration and attention mechanism

• arxiv url: http://arxiv.org/abs/2604.08592v1
• Date: Wed, 01 Apr 2026 07:49:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-19 19:09:11.473842
• Title: Reservoir observer enhanced with residual calibration and attention mechanism
• Title（参考訳）: 余剰キャリブレーションとアテンション機構を応用した貯留層オブザーバ
• Authors: Yichen Liu, Wei Xiao, Tianguang Chu,
• Abstract要約: 貯留層オブザーバは、観測された変数から測定されていない変数を推測するためのデータ駆動のアプローチを提供する。 予備校正とアテンション機構を貯水池オブザーバの設計に統合する。 従来型の貯水池観測者による最悪の場合において,推測精度を大幅に向上させる手法を提案する。
• 参考スコア（独自算出の注目度）: 4.94440017934248
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Reservoir observers provide a data-driven approach to the inference of unmeasured variables from observed ones for nonlinear dynamical systems. While previous studies have demonstrated wide applicability, their performance may vary considerably with different input variables, even compromising reliability in the worst cases. To enhance the performance of inference, we integrate residual calibration and attention mechanism into the reservoir observer design. The residual calibration module leverages information from the estimation residuals to refine the observer output, and the attention mechanism exploits the temporal dependencies of the data to enrich the representation of reservoir internal dynamics. Experiments on typical chaotic systems demonstrate that our method substantially improves inference accuracy, especially for the worst cases resulting from the traditional reservoir observers. We also invoke the notion of transfer entropy to explain the reason for the input-dependent observation discrepancy and the effectiveness of the proposed method.
• Abstract（参考訳）: 貯留層オブザーバは、非線形力学系に対する観測された変数から未測定変数を推定するためのデータ駆動型アプローチを提供する。 これまでの研究では、幅広い適用性を示してきたが、その性能は入力変数によって大きく異なり、最悪の場合、信頼性を損なうこともあった。 推測性能を向上させるため,予備校正と注意機構を貯水池オブザーバの設計に統合した。 残差校正モジュールは、推定残差の情報を利用してオブザーバ出力を洗練し、アテンション機構はデータの時間的依存関係を利用して貯留内部ダイナミクスの表現を強化する。 典型的カオスシステムを用いた実験により,従来の貯水池観測者による最悪の場合において,提案手法は推論精度を大幅に向上することが示された。 また、入力依存型観測誤差の原因と提案手法の有効性を説明するために、転送エントロピーの概念を導出する。

関連論文リスト

• Uncertainty Estimation for Deep Reconstruction in Actuatic Disaster Scenarios with Autonomous Vehicles [68.82821445619759]
  原理的不確実性定量化は 能動センシング戦略に不可欠です Evidential Deep Learningは、すべてのセンサ構成で最高の再構築精度と不確実性校正を実現する。 これらの知見は、リアルタイムの自動運転車配備における不確実性認識フィールド再構築の方法として、エビデンシャル・ディープ・ラーニングを支持している。
  論文  参考訳（メタデータ） (2026-04-07T19:17:44Z)
• Observation-dependent Bayesian active learning via input-warped Gaussian processes [4.519209749095341]
  本稿では,学習されたモノトーン再パラメータ化によって入力空間を歪曲することで,観測依存性のフィードバックを注入することを提案する。 このメカニズムにより、設計ポリシーは、観測された可変性に応じて入力空間の領域を拡大または圧縮することができる。 このようなワープは限界的可能性によって訓練できるが、新規な自己監督的目標が性能を著しく向上させることを示す。
  論文  参考訳（メタデータ） (2026-02-02T10:05:56Z)
• Learning-Enhanced Observer for Linear Time-Invariant Systems with Parametric Uncertainty [1.6498361958317636]
  この研究は、不確実な力学を持つ線形時間不変系に対する学習強化オブザーバ(LEO)を導入する。 提案フレームワークは,名目モデルにのみ依存するのではなく,システム行列を最適化可能な変数として扱い,定常出力の不一致損失の勾配に基づく最小化を通じてそれを洗練する。 結果として得られるデータインフォームド・サロゲートモデルにより、古典的設計の構造を保ちながら中等パラメータの不確かさを効果的に補償する改良されたオブザーバを構築することができる。
  論文  参考訳（メタデータ） (2025-11-20T12:47:52Z)
• Improving Perturbation-based Explanations by Understanding the Role of Uncertainty Calibration [34.62583246144584]
  本研究では,モデルが説明可能性に比例した摂動を受けると,信頼できない確率推定値が得られることを示す。 本稿では,ReCalXを提案する。ReCalXは,従来の予測を保ちながら,改善された説明のためのモデルの再検討を行う新しい手法である。
  論文  参考訳（メタデータ） (2025-11-13T16:04:11Z)
• Why Uncertainty Calibration Matters for Reliable Perturbation-based Explanations [30.47728009839025]
  本研究では,説明可能性固有の摂動を受けると,モデルが信頼できない確率推定をしばしば生成することを示す。 ReCalXは、摂動に基づく説明を改善するためのモデルを再検討するための新しいアプローチである。
  論文  参考訳（メタデータ） (2025-06-24T13:54:12Z)
• Transformers Learn Faster with Semantic Focus [57.97235825738412]
  学習性と一般化の観点からスパース変圧器について検討する。 入力依存のスパースアテンションモデルは、標準アテンションモデルよりも早く収束し、より一般化しているように見える。
  論文  参考訳（メタデータ） (2025-06-17T01:19:28Z)
• Incremental Uncertainty-aware Performance Monitoring with Active Labeling Intervention [64.12447263206381]
  Incrmental Uncertainty-aware Performance Monitoring (IUPM) というラベルのない手法を提案する。 IUPMは、性能予測の不確実性を定量化し、限られたラベル付け予算の下で信頼性の高い見積もりを復元するアクティブなラベル付け手順を導入する。 実験の結果、IUPMは様々な段階的なシフトシナリオにおいて、既存の性能推定基準よりも優れていることがわかった。
  論文  参考訳（メタデータ） (2025-05-11T15:35:55Z)
• Explanatory Model Monitoring to Understand the Effects of Feature Shifts on Performance [61.06245197347139]
  そこで本研究では,機能シフトによるブラックボックスモデルの振る舞いを説明する新しい手法を提案する。 本稿では,最適輸送と共有値の概念を組み合わせた提案手法について,説明的性能推定として紹介する。
  論文  参考訳（メタデータ） (2024-08-24T18:28:19Z)
• Adversarial robustness of amortized Bayesian inference [3.308743964406687]
  償却ベイズ推論は、当初シミュレーションデータ上の推論ネットワークのトレーニングに計算コストを投資することを目的としている。 観測対象のほとんど認識不能な摂動は、予測された後部および非現実的な後部予測標本に劇的な変化をもたらす可能性があることを示す。 本研究では,条件密度推定器のフィッシャー情報をペナライズした計算効率の高い正規化手法を提案する。
  論文  参考訳（メタデータ） (2023-05-24T10:18:45Z)
• Latent Causal Invariant Model [128.7508609492542]
  現在の教師付き学習は、データ適合プロセス中に急激な相関を学習することができる。 因果予測を求める潜在因果不変モデル(LaCIM)を提案する。
  論文  参考訳（メタデータ） (2020-11-04T10:00:27Z)

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。