動的モード分解によるスウォームモデリング【JST・京大機械翻訳】

Hansen Emma; Brunton Steven L.; Song Zhuoyuan

プレプリント

J-GLOBAL ID：202202206531276789 整理番号：22P0331623

動的モード分解によるスウォームモデリング【JST・京大機械翻訳】

Swarm Modelling with Dynamic Mode Decomposition

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08日プレプリントサーバーでの情報更新日： 2022年04月08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)

生物学的または工学的スウォームのモデリングは,しばしば低次元の緊急動力学にもかかわらず,システムの本質的に高い次元のために挑戦的である。ほとんどの既存のスウォームモデリング手法は第一原理に基づいており,しばしば広範囲のアプリケーションに一般化しないスウォーム固有のパラメータ化をもたらす。本研究では,純粋データ駆動法を適用し,(1)観測データを通して均一スウォームの局所相互作用を学習し,(2)学習モデルを用いて類似のスウォーミング挙動を生成する。特に,スウォームDMDと呼ばれる制御による動的モード分解の修正版を開発し,正準Vicsekスウォームモデルで試験した。目標は,観察されたスウォーム挙動を生じさせるエージェント間インタラクションを学習するために,スウォームDMDを使用することである。スウォームDMDはスウォームダイナミックスを忠実に再構成でき,スウォームDMDにより学習されたモデルは,予測精度と予測水平の間のトレードオフによるデータ外挿のための短い予測ウィンドウを提供することを示した。また,モデリングに対する異なる観測データタイプの有効性に関する包括的解析も提供し,ここではエージェント間距離が最も正確なモデルを生成することを見出した。提案したスウォームDMDアプローチは,生物学,物理学,および工学で見出されるマルチエージェントシステムを研究するのに有用であると信じる。【JST・京大機械翻訳】

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

人工知能

前のページに戻る