論文の概要: Noise-Induced Predictability Redistribution Across Forecast Horizons of Extreme Events in Chaotic Dynamics

• arxiv url: http://arxiv.org/abs/2609.27877v1
• Date: Thu, 20 Aug 2026 15:26:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 05:09:56.000514
• Title: Noise-Induced Predictability Redistribution Across Forecast Horizons of Extreme Events in Chaotic Dynamics
• Title（参考訳）: カオス力学における極端事象の予測ホライズオンの騒音による予測可能性の再分配
• Abstract要約: カオス力学における極端事象(EEs)は、ダイナミックノイズによって予測可能性を変化させられる稀な広い遠足である。 3次自律カオス流中における予測地平線を横断するノイズ変化EEの発生と予測能力について検討する。
• 参考スコア（独自算出の注目度）: 5.271072635937927
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Extreme events (EEs) in chaotic dynamics are rare broad excursions whose forecastability can be altered by dynamical noise. We investigate how noise changes EE occurrence and prediction skill across forecast horizons in a third-order autonomous chaotic flow. A single clean-data threshold is frozen for all realizations, broad events are defined by one maximum per excursion, and a future window W=15 is predicted from a 15-time-unit history using HistGradientBoosting with chronological data separation. As the forecast gap G between the observed history and the future event window increases, the clean Matthews correlation coefficient (MCC) decreases from 0.641 at G=0 to 0.165 at G=15. Noise dependence is evaluated with ten paired realizations at eight amplitudes. The mean short-horizon score increases from 0.456 in clean data to 0.546 at sigma=0.007; the paired gain is 0.0895 (95% CI 0.0494-0.1295; Holm-adjusted p=0.0234). Noise strongly increases EE occurrence while event amplitude and width remain comparatively stable. Equalizing positive training counts across noise levels substantially attenuates the short-horizon gain, whereas strong noise reduces intermediate-horizon skill. We term this horizon-dependent, nonuniform change in forecast skill noise-induced predictability redistribution (NIPR).
• Abstract（参考訳）: カオス力学における極端事象(EEs)は、ダイナミックノイズによって予測可能性を変化させられる稀な広い遠足である。 3次自律カオス流中における予測地平線を横断するノイズ変化EEの発生と予測能力について検討する。 すべての実現に対して単一のクリーンデータしきい値が凍結され、広範イベントが1回の探索で定義され、時間的データ分離を伴うHistGradientBoostingを使用して15時間単位の履歴から、将来のウィンドウW=15が予測される。 観測履歴と将来のイベントウィンドウとの予測ギャップGの増加に伴い、クリーンマシューズ相関係数(MCC)はG=0で0.641からG=15で0.165に低下する。 8つの振幅で10対の実測値を用いて雑音依存性を評価する。 Sigma=0.007では0.456点から0.546点に上昇し、対の利得は0.0895点(95% CI 0.0494-0.1295;ホルム調整p=0.0234)となる。 ノイズはEEの発生を強く増加させ、イベント振幅と幅は比較的安定している。 正のトレーニングの等化は、短い水平の利得を大幅に減らし、強いノイズは中間水平のスキルを低下させる。 予測スキルノイズによる予測可能性の再分配 (NIPR) における水平方向に依存しない不均一な変化を述べる。

関連論文リスト

• Mitigating the Noise Shift for Denoising Generative Models via Noise Awareness Guidance [54.88271057438763]
  ノイズアウェアネスガイダンス (NAG) は、事前に定義された騒音スケジュールと整合性を保つために、サンプリング軌道を明示的に制御する補正手法である。 NAGは一貫してノイズシフトを緩和し、主流拡散モデルの生成品質を大幅に改善する。
  論文  参考訳（メタデータ） (2025-10-14T13:31:34Z)
• Dynamics of decoherence in a noisy driven environment [0.0]
  環境の非平衡臨界ダイナミクスによるデコヒーレンスは、非相関ノイズと相関ノイズの存在下で増幅されることを示す。 量子ビットと環境との強い結合は、デコヒーレンスの部分的な回復をもたらす。 我々は、ノイズの存在下で減衰するが、ノイズ相関時間が増加するにつれて増加するという、力学の非マルコビアン性を探究する。
  論文  参考訳（メタデータ） (2024-09-02T17:12:00Z)
• Butterfly Effects of SGD Noise: Error Amplification in Behavior Cloning and Autoregression [70.78523583702209]
  深層ニューラルネットワークを用いた行動クローニングの訓練不安定性について検討した。 トレーニング中のSGD更新の最小化は,長期的報奨の急激な振動をもたらすことが観察された。
  論文  参考訳（メタデータ） (2023-10-17T17:39:40Z)
• Correlated Noise in Epoch-Based Stochastic Gradient Descent: Implications for Weight Variances [0.0]
  勾配降下(SGD)はニューラルネットワーク最適化の基盤となっている。 運動量を伴う離散時間SGDの定常分布に及ぼすエポックノイズ相関の影響について検討する。
  論文  参考訳（メタデータ） (2023-06-08T15:45:57Z)
• Stabilizing and improving qubit coherence by engineering noise spectrum of two-level systems [52.77024349608834]
  超伝導回路は量子コンピューティングの主要なプラットフォームである。 アモルファス酸化物層内の電荷変動器は、低周波1/f$の電荷ノイズと高周波誘電損失の両方に寄与する。 本稿では,TLS雑音スペクトル密度の工学的手法により,有害な影響を軽減することを提案する。
  論文  参考訳（メタデータ） (2022-06-21T18:37:38Z)
• High-Order Qubit Dephasing at Sweet Spots by Non-Gaussian Fluctuators: Symmetry Breaking and Floquet Protection [55.41644538483948]
  非ガウスゆらぎによるqubit dephasingについて検討した。 非ガウス雑音に特有の対称性破壊効果を予測する。
  論文  参考訳（メタデータ） (2022-06-06T18:02:38Z)
• Frequency estimation under non-Markovian spatially correlated quantum noise: Restoring superclassical precision scaling [0.0]
  本研究では,非古典雑音の存在下でのエンタングルメントエンハンス干渉法によるラムゼー推定精度について検討した。 熱環境からのスピンボソンデファソヴィアンノイズのパラダイム的場合、プローブの位置をランダム化することにより、平均して相関効果を抑えることができる。
  論文  参考訳（メタデータ） (2022-04-22T16:25:16Z)
• Analyzing and Improving the Optimization Landscape of Noise-Contrastive Estimation [50.85788484752612]
  ノイズコントラスト推定(NCE)は、非正規化確率モデルを学習するための統計的に一貫した手法である。 ノイズ分布の選択がNCEの性能に不可欠であることが実験的に観察されている。 本研究では,不適切な雑音分布を用いた場合,NCEの性能低下の原因を正式に指摘する。
  論文  参考訳（メタデータ） (2021-10-21T16:57:45Z)
• Shape Matters: Understanding the Implicit Bias of the Noise Covariance [76.54300276636982]
  勾配降下のノイズはパラメータ化モデルに対するトレーニングにおいて重要な暗黙の正則化効果をもたらす。 ミニバッチやラベルの摂動によって引き起こされるパラメータ依存ノイズはガウスノイズよりもはるかに効果的であることを示す。 分析の結果,パラメータ依存ノイズは局所最小値に偏りを生じさせるが,球状ガウス雑音は生じないことがわかった。
  論文  参考訳（メタデータ） (2020-06-15T18:31:02Z)

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。