論文の概要: Inferring bifurcation diagrams of two distinct chaotic systems by a single machine
- arxiv url: http://arxiv.org/abs/2604.26632v1
- Date: Wed, 29 Apr 2026 12:57:22 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-30 15:59:36.404471
- Title: Inferring bifurcation diagrams of two distinct chaotic systems by a single machine
- Title（参考訳）: 1台の機械による2つの異なるカオス系の分岐図の推論
- Authors: Jianmin Guo, Yao Du, Yizhen Yu, Yong Zou, Xingang Wang,
- Abstract要約: 本稿では,二つの異なるカオスシステムの力学を1台のマシンで推定するための二重チャネル貯水池計算手法を提案する。
トレーニングされた機械は、サンプル状態の短期的進化を予測するだけでなく、目に見えない状態の長期的統計特性を再現する。
- 参考スコア（独自算出の注目度）: 8.318507167822863
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: We propose a dual-channel reservoir-computing scheme for inferring the dynamics of two distinct chaotic systems with a single machine. By augmenting a standard reservoir with a system-label channel and a parameter-control channel, the machine can be trained from time series collected from a few sampled states of the two systems. We show that the trained machine not only predicts the short-time evolution of the sampled states, but also reproduces the long-term statistical properties of unseen states, thereby enabling reconstruction of the bifurcation diagrams of both systems from partial observations. The effectiveness of the scheme is demonstrated for the Lorenz and Rössler systems in numerical simulations and for the Chua and Rossler circuits in experiments. Functional-network analysis further shows that the two target systems are encoded by distinct dynamical patterns in the reservoir. These results extend multifunctional and parameter-aware reservoir computing, and provide a route to data-driven inference of multiple nonlinear systems using a single machine.
- Abstract（参考訳）: 本稿では,二つの異なるカオスシステムの力学を1台のマシンで推定するための二重チャネル貯水池計算手法を提案する。
標準貯水池をシステムラベルチャネルとパラメータ制御チャネルで拡張することにより、2つのシステムの少数のサンプル状態から収集された時系列から機械を訓練することができる。
トレーニングされた機械は、サンプル状態の短時間の進化を予測するだけでなく、目に見えない状態の長期統計特性を再現し、部分的な観測から両システムの分岐図の再構築を可能にする。
このスキームの有効性は、数値シミュレーションにおけるローレンツ・アンド・レースラー・システムや実験におけるチューア・アンド・ロスラー・サーキットで実証される。
さらに, 機能ネットワーク解析により, 2つのターゲットシステムは, 貯水池内の異なる動的パターンによって符号化されていることが示された。
これらの結果は多機能型およびパラメータ対応型貯水池計算を拡張し、単一マシンを用いた複数の非線形システムのデータ駆動推論への経路を提供する。
関連論文リスト
- On the Mechanism and Dynamics of Modular Addition: Fourier Features, Lottery Ticket, and Grokking [49.1352577985191]
本稿では,2層ニューラルネットワークがモジュール追加タスクを解くために,機能をどのように学習するかを包括的に分析する。
我々の研究は、学習したモデルの完全な機械論的解釈と、その訓練力学の理論的説明を提供する。
論文 参考訳（メタデータ） (2026-02-18T20:25:13Z) - Disordered Dynamics in High Dimensions: Connections to Random Matrices and Machine Learning [52.26396748560348]
ランダム行列によって駆動される高次元力学系について概説する。
機械学習理論における学習と一般化の単純なモデルへの応用に焦点を当てる。
論文 参考訳（メタデータ） (2026-01-03T00:12:32Z) - Machine Learning of Nonlinear Dynamical Systems with Control Parameters Using Feedforward Neural Networks [0.0]
フィードフォワードニューラルネットワークは,大域的に結合したスチュアート・ランダウ方程式において,ロジスティクスマップの分岐図と同期遷移を再現可能であることを示す。
論文 参考訳（メタデータ） (2024-08-28T05:31:09Z) - Generative Learning of the Solution of Parametric Partial Differential Equations Using Guided Diffusion Models and Virtual Observations [4.798951413107239]
本研究では,高次元パラメトリックシステムをモデル化するための生成学習フレームワークを提案する。
我々は,部分微分方程式(PDE)で記述されたシステムについて,構造的あるいは非構造的グリッドで識別する。
論文 参考訳（メタデータ） (2024-07-31T20:52:33Z) - Robust-MBDL: A Robust Multi-branch Deep Learning Based Model for
Remaining Useful Life Prediction and Operational Condition Identification of
Rotating Machines [1.2593669712329136]
提案システムは,(1)振動データを復調するLSTM-Autoencoder,(2)識別されたデータから時間領域,周波数領域,時間周波数ベースの特徴を生成する特徴抽出,(3)複数の特徴を利用する新規で堅牢なマルチブランチ深層学習ネットワークアーキテクチャを含む。
提案システムの性能を,XJTU-SY と PRONOSTIA の2つのベンチマークデータセットの最先端システムと比較した。
論文 参考訳（メタデータ） (2023-09-12T11:58:53Z) - Parameter Identification for Partial Differential Equations with
Spatiotemporal Varying Coefficients [5.373009527854677]
種々の偏微分方程式によって制御される多状態系のパラメータ同定を容易にする枠組みを提案する。
我々のフレームワークは、制約付き自己適応型ニューラルネットワークと、サブネットワーク物理インフォームドニューラルネットワークの2つの統合コンポーネントで構成されている。
我々は,時間変化パラメータを持つ1次元バーガースの場合と空間変化パラメータを持つ2次元波動方程式の2つの数値ケースにおいて,本フレームワークの有効性を実証した。
論文 参考訳（メタデータ） (2023-06-30T07:17:19Z) - Port-Hamiltonian Neural Networks with State Dependent Ports [58.720142291102135]
本手法は,数個の内力および外力を持つ単純な質量スプリングシステムと,より複雑で現実的なシステムの両方において,ストレス試験を行う。
ポート-ハミルトンニューラルネットワークは、状態依存型ポートでより大きな次元に拡張することができる。
スパースデータとノイズデータのトレーニングを改善するための対称高次積分器を提案する。
論文 参考訳（メタデータ） (2022-06-06T14:57:25Z) - Continuous and time-discrete non-Markovian system-reservoir
interactions: Dissipative coherent quantum feedback in Liouville space [62.997667081978825]
2つの構造型貯水池に同時に露出する量子系について検討する。
対角線と対角線と外対角線の両方の貯留層相互作用を2倍のメモリと組み合わせた数値的精度の擬似2次元テンソルネットワークを用いて連続的および離散的遅延効果を示す。
例えば、離散フォトニックフィードバックと構造された音響フォノノノビアンモードの非マルコフ的相互作用を考察し、初期励起された2レベルシステム内での貯留層間相関と長寿命個体群トラップの出現を導いた。
論文 参考訳（メタデータ） (2020-11-10T12:38:35Z) - A Novel Anomaly Detection Algorithm for Hybrid Production Systems based
on Deep Learning and Timed Automata [73.38551379469533]
DAD:DeepAnomalyDetectionは,ハイブリッド生産システムにおける自動モデル学習と異常検出のための新しいアプローチである。
深層学習とタイムドオートマトンを組み合わせて、観察から行動モデルを作成する。
このアルゴリズムは実システムからの2つのデータを含む少数のデータセットに適用され、有望な結果を示している。
論文 参考訳（メタデータ） (2020-10-29T08:27:43Z)
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。