論文の概要: Stable and Calibrated Latent Force ODE Filters

• arxiv url: http://arxiv.org/abs/2610.33939v1
• Date: Sat, 24 Oct 2026 22:49:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 22:27:13.487584
• Title: Stable and Calibrated Latent Force ODE Filters
• Title（参考訳）: スタブル・キャリブレーション型潜在力IDEフィルタ
• Abstract要約: 機械力学系における非観測力の推定は、機械学習の中心的なタスクである。 この研究は、キャリブレーションと安定性に関するオープンな疑問に対処する。 安定かつ校正されたプラグアンドプレイ推論を提供する改良されたアルゴリズムを構築する。
• 参考スコア（独自算出の注目度）: 21.976227164444918
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Estimating unobserved forces in mechanistic systems is a central task of scientific machine learning. Approximate Gaussian filtering methods that synthesize mechanistic and empirical information have shown remarkable capacity in jointly identifying latent processes together with the system state in a single forward-backward pass. The resulting latent force ODE filter framework channels information from observational data specifically into the unknown parts of the system. This work addresses open questions about calibration and stability of the method. We show that the joint posterior over state and force is the reweighted conventional latent force posterior. This uncovers a crucial dependence of the stability of the method on the prior variance of the system state, which effectively controls the flow of information from observations to the latent force through the mechanistic system. From this insight, we construct an improved algorithm that provides stable and calibrated plug-and-play inference. We demonstrate the improved framework on several simulated experimental settings.
• Abstract（参考訳）: 機械力学系における非観測力の推定は、科学機械学習の中心的な課題である。 機械的および経験的情報を合成する近似ガウスフィルタリング法は, システム状態とシステム状態の同時同定において, 顕著な能力を示した。 その結果生じる潜在力ODEフィルタフレームワークは、特に観測データからシステムの未知の部分に情報を伝達する。 この研究は、キャリブレーションと安定性に関するオープンな疑問に対処する。 また, 関節後部は従来型潜在力後部であり, 関節後部は関節後部であり, 関節後部は関節後部であることが明らかとなった。 このことは, システム状態の事前分散に対する手法の安定性の重大な依存性を明らかにし, メカニカルシステムによる観測から潜伏力への情報の流れを効果的に制御する。 この知見から,安定かつ校正されたプラグアンドプレイ推論を提供する改良されたアルゴリズムを構築した。 いくつかの実験環境において,改良されたフレームワークを実演する。

関連論文リスト

• Causal Algorithmic Recourse: Foundations and Methods [57.73269033551628]
  AIシステムの主な特徴は、個人が否定的な決定を覆す方法のレコメンデーションを提供する能力である。 既存のアプローチでは、recourseの結果を固定単位の反事実として扱う。 我々は、事前および事後結果のプロセスとして、会話をモデル化する因果的枠組みを開発する。
  論文  参考訳（メタデータ） (2026-05-12T00:55:19Z)
• Extracting filtered signal statistics of continuously measured quantum systems [0.0]
  フィードバックのないシステムと検出器の定常状態を数値的に効率よく計算する手法を提案する。 これに基づいて、摂動補正によって弱いフィードバック駆動のための定常解を効率的に決定できることを実証する。
  論文  参考訳（メタデータ） (2025-07-08T18:00:07Z)
• Stability-Certified Learning of Control Systems with Quadratic Nonlinearities [9.599029891108229]
  この研究は、主に低次元の力学モデルを構築することを目的とした演算子推論手法に焦点を当てている。 本研究の目的は,本質的な安定性を保証する2次制御力学系の推論を容易にする手法を開発することである。
  論文  参考訳（メタデータ） (2024-03-01T16:26:47Z)
• Recursively Feasible Probabilistic Safe Online Learning with Control Barrier Functions [60.26921219698514]
  CBFをベースとした安全クリティカルコントローラのモデル不確実性を考慮した再構成を提案する。 次に、結果の安全制御器のポイントワイズ実現可能性条件を示す。 これらの条件を利用して、イベントトリガーによるオンラインデータ収集戦略を考案する。
  論文  参考訳（メタデータ） (2022-08-23T05:02:09Z)
• Bayesian Algorithms Learn to Stabilize Unknown Continuous-Time Systems [0.0]
  線形力学系は、不確実な力学を持つ植物の学習に基づく制御のための標準モデルである。 この目的のための信頼性の高い安定化手順は、不安定なデータから有効に学習し、有限時間でシステムを安定化させることができない。 本研究では,未知の連続時間線形系を安定化する新しい学習アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-12-30T15:31:35Z)
• Learning Robust Output Control Barrier Functions from Safe Expert Demonstrations [50.37808220291108]
  本稿では,専門家によるデモンストレーションの部分的な観察から,安全な出力フィードバック制御法を考察する。 まず,安全性を保証する手段として,ロバスト出力制御バリア関数(ROCBF)を提案する。 次に、安全なシステム動作を示す専門家による実証からROCBFを学習するための最適化問題を定式化する。
  論文  参考訳（メタデータ） (2021-11-18T23:21:00Z)
• Probabilistic robust linear quadratic regulators with Gaussian processes [73.0364959221845]
  ガウス過程(GP)のような確率モデルは、制御設計に続く使用のためのデータから未知の動的システムを学ぶための強力なツールです。 本稿では、確率的安定性マージンに関して堅牢なコントローラを生成する線形化GPダイナミクスのための新しいコントローラ合成について述べる。
  論文  参考訳（メタデータ） (2021-05-17T08:36:18Z)
• Leveraging Global Parameters for Flow-based Neural Posterior Estimation [90.21090932619695]
  実験観測に基づくモデルのパラメータを推定することは、科学的方法の中心である。 特に困難な設定は、モデルが強く不確定であるとき、すなわち、パラメータの異なるセットが同一の観測をもたらすときである。 本稿では,グローバルパラメータを共有する観測の補助的セットによって伝達される付加情報を利用して,その不確定性を破る手法を提案する。
  論文  参考訳（メタデータ） (2021-02-12T12:23:13Z)
• Robust feedback stabilization of N-level quantum spin systems [0.0]
  連続時間測定を行う電磁場と相互作用するNレベル量子角運動量系を考える。 本研究では,フィードバックコントローラが存在する場合のシステム動作について検討する。
  論文  参考訳（メタデータ） (2020-07-08T15:52:49Z)
• Scalable Identification of Partially Observed Systems with Certainty-Equivalent EM [33.51918154139981]
  この研究は、部分的に観察された非線形系のオフライン同定について考察する。 一定の等価な予測-最大化をブロック座標として定式化する。 また, エアロバティックヘリコプターの動力学の同定にも本手法が用いられている。
  論文  参考訳（メタデータ） (2020-06-20T16:46:26Z)

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。