統計情報ニューラルネットワークによる確率動力学の学習【JST・京大機械翻訳】

Zhu Yuanran; Tang Yu-Hang; Kim Changho

プレプリント

J-GLOBAL ID：202202206986472403 整理番号：22P0294890

統計情報ニューラルネットワークによる確率動力学の学習【JST・京大機械翻訳】

Learning Stochastic Dynamics with Statistics-Informed Neural Network

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02月24日プレプリントサーバーでの情報更新日： 2022年11月21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)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

データから確率的ダイナミクスを学習するための統計情報ニューラルネットワーク(SINN)と名付けた機械学習フレームワークを導入した。この新アーキテクチャは,確率系に対する普遍的な近似定理によって理論的にヒントを得て,本論文では,確率的モデリングのための射影演算子形式を導入した。目標確率過程の正しい統計的行動を再現するために,ニューラルネットワークモデルを訓練するための機構を考案した。数値シミュレーション結果は,よく訓練されたSINNがMarkovianと非Markov確率動力学の両方を確実に近似できることを示した。粗粒化問題に対するSINNの適用可能性と遷移動力学のモデリングを示した。さらに,得られた縮小次数モデルは,時間的に粗い粒子データで訓練でき,従って,希少事象シミュレーションに適していることを示した。【JST・京大機械翻訳】

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

ニューロコンピュータ , 脳・神経系モデル

, , , ,

前のページに戻る