論文の概要: What Uncertainties Do We Need for Dynamical Systems?

• arxiv url: http://arxiv.org/abs/2606.11988v1
• Date: Wed, 10 Jun 2026 12:12:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-11 16:42:38.441719
• Title: What Uncertainties Do We Need for Dynamical Systems?
• Title（参考訳）: 動的システムにはどんな不確実性が必要なのか?
• Authors: Yusuf Sale, Christopher Bülte, Felix Czaja, Joshua Stiller, Eyke Hüllermeier,
• Abstract要約: 失語症とてんかんの不確かさの区別は、機械学習研究において大きな注目を集めている。 本稿では,力学系の不確実性モデリングに関する機械学習の視点を提供する。 我々は不確実性の源について議論し、その性質を明らかにし、不確実性の表現と定量化の目的が、異なるタスク間でどのように異なるかを考察する。
• 参考スコア（独自算出の注目度）: 23.0623052867123
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The distinction between aleatoric and epistemic uncertainty has received considerable attention in machine learning research, mainly in the context of supervised learning but also in other settings such as generative modeling. In this paper, we offer a machine learning perspective on uncertainty modeling for dynamical systems, which has been studied much less so far. In particular, we ask: what uncertainties do we need for dynamical systems? We discuss sources of uncertainty, clarify their nature (aleatoric or epistemic), and consider how the objectives of representing and quantifying uncertainty vary across different tasks.
• Abstract（参考訳）: 失語症とてんかんの不確かさの区別は、主に教師付き学習の文脈だけでなく、生成モデルのような他の環境においても、機械学習研究において大きな注目を集めている。 本稿では,これまで研究されてきた力学系の不確実性モデリングについて,機械学習による視点を提供する。 特に、動的システムにどのような不確実性が必要なのか? 我々は不確実性の源について議論し、その性質を明らかにするとともに、不確実性の表現と定量化の目的が、異なるタスク間でどのように異なるかを考察する。

関連論文リスト

• Research Program: Theory of Learning in Dynamical Systems [29.121933501690805]
  力学系における学習性は有限サンプル問題として研究されるべきである。 我々は、有限のバーンイン期間の後、各段階で均一に保持される保証に焦点をあてる。 システム同定を行なわずに,有限観測後に正確な予測が可能であることを示す。
  論文  参考訳（メタデータ） (2025-12-22T14:05:31Z)
• Learning System Dynamics without Forgetting [60.08612207170659]
  本研究では,CDL(Continuous Dynamics Learning)の問題,タスク構成の検証,既存手法の適用性について検討する。 本稿では、LG-ODEとサブネットワーク学習の長所をモデムスイッチングモジュールと統合したモードスイッチンググラフODE(MS-GODE)モデルを提案する。 CDLのための生体動態システムの新しいベンチマーク、Bio-CDLを構築し、異なるダイナミクスを持つ多様なシステムを特徴付ける。
  論文  参考訳（メタデータ） (2024-06-30T14:55:18Z)
• The Complexity of Sequential Prediction in Dynamical Systems [18.054632903107546]
  進化関数が未知のとき,力学系の次の状態を予測するための学習の課題について検討する。 実現可能な設定では、時間的地平線(英語版)の偶数増加関数(英語版)により誤りの総数が増加することが示される。 対照的に、一般に研究されているマルコフ的後悔の概念の下では、可能なレートは$Theta(T)$と$tildeTheta(sqrtT)$のみである。
  論文  参考訳（メタデータ） (2024-02-09T18:45:00Z)
• Sources of Uncertainty in Supervised Machine Learning -- A Statisticians' View [3.0932932099777024]
  監視された機械学習と予測モデルは、今日、印象的な標準を達成し、数年前には理解できなかった質問に答えることが可能になった。 純粋な予測を超えて 不確実性の定量化も重要で必要です 本稿では,概念的,基礎的な科学的な視点を採用し,不確実性の原因について検討する。
  論文  参考訳（メタデータ） (2023-05-26T07:44:19Z)
• Bayesian Learning for Dynamic Inference [2.2843885788439793]
  いくつかの逐次推定問題では、推定される量の将来値は、その現在の値の推定に依存する。 本研究では,未知量生成モデルがランダムに描画されることを前提として,動的推論のためのベイズ学習問題を定式化する。 我々は、推論損失を最小限に抑えるために、オフラインとオンラインの両方で最適なベイズ学習ルールを導出する。
  論文  参考訳（メタデータ） (2022-12-30T19:16:23Z)
• The Unreasonable Effectiveness of Deep Evidential Regression [72.30888739450343]
  不確実性を考慮した回帰ベースニューラルネットワーク(NN)による新しいアプローチは、従来の決定論的手法や典型的なベイズ的NNよりも有望であることを示している。 我々は、理論的欠点を詳述し、合成および実世界のデータセットのパフォーマンスを分析し、Deep Evidential Regressionが正確な不確実性ではなく定量化であることを示す。
  論文  参考訳（メタデータ） (2022-05-20T10:10:32Z)
• Privacy-preserving machine learning with tensor networks [37.01494003138908]
  テンソルネットワークアーキテクチャは、特にプライバシー保護機械学習に期待できる特性を持つことを示す。 まず、フィードフォワードニューラルネットワークに存在する新たなプライバシ脆弱性を説明し、それを合成および実世界のデータセットで説明する。 このような条件がテンソルネットワークアーキテクチャによって満たされていることを厳密に証明する。
  論文  参考訳（メタデータ） (2022-02-24T19:04:35Z)
• Multi Agent System for Machine Learning Under Uncertainty in Cyber Physical Manufacturing System [78.60415450507706]
  近年の予測機械学習の進歩は、製造における様々なユースケースに応用されている。 ほとんどの研究は、それに関連する不確実性に対処することなく予測精度を最大化することに焦点を当てた。 本稿では,機械学習における不確実性の原因を特定し,不確実性下での機械学習システムの成功基準を確立する。
  論文  参考訳（メタデータ） (2021-07-28T10:28:05Z)
• Knowledge as Invariance -- History and Perspectives of Knowledge-augmented Machine Learning [69.99522650448213]
  機械学習の研究は転換点にある。 研究の関心は、高度にパラメータ化されたモデルのパフォーマンス向上から、非常に具体的なタスクへとシフトしている。 このホワイトペーパーは、機械学習研究におけるこの新興分野の紹介と議論を提供する。
  論文  参考訳（メタデータ） (2020-12-21T15:07:19Z)

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。