深層学習を用いた非線形動力学の線形表現の学習【JST・京大機械翻訳】

Ahmed Akhil; del Rio-Chanona Ehecatl Antonio; Mercangoz Mehmet

プレプリント

J-GLOBAL ID：202202204939813909 整理番号：22P0324561

深層学習を用いた非線形動力学の線形表現の学習【JST・京大機械翻訳】

Learning Linear Representations of Nonlinear Dynamics Using Deep Learning

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2022年04月03日プレプリントサーバーでの情報更新日： 2022年04月03日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

実際的関心の大多数は非線形動力学によって特性化される。これは,そのようなシステムの制御と最適化を,それらの非線形挙動による複雑なタスクにする。さらに,固定点周りの線形化のような標準法は,多くのシステムに対する有効な戦略ではなく,代替アプローチを必要とする。この理由のために,著者らは,非線形動的システムの変換を等価高次元線形表現に発見するための新しい深層学習フレームワークを提案した。その結果,得られた学習線形表現は,標準線形化よりも広い範囲の条件に対して元のシステムの動力学を正確に捉えることを示した。その結果,学習線形モデルは元のシステムの成功した制御に使用できることを示した。提案したフレームワークを2つの例に適用して,これを実証した。文献からの1つと,連続撹拌タンク反応器(CSTR)の形のより複雑な例。【JST・京大機械翻訳】

, , , , , , , , , ,
, , , , 【Automatic Indexing@JST】

人工知能 , パターン認識

, , , ,

前のページに戻る