カオス系におけるエルゴード平均の学習【JST・京大機械翻訳】

Huhn Francisco; Magri Luca

プレプリント

J-GLOBAL ID：202202214520734109 整理番号：22P0099998

カオス系におけるエルゴード平均の学習【JST・京大機械翻訳】

Learning ergodic averages in chaotic systems

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 (2件)： ,
資料名：
発行年： 2020年01月09日プレプリントサーバーでの情報更新日： 2020年04月07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)

カオスアトラクタの時間平均を予測する物理情報機械学習法を提案した。この方法はハイブリッドエコー状態ネットワーク(hESN)に基づいている。システムはエルゴードであり,時間平均はエルゴード平均に等しいと仮定した。従来のエコー状態ネットワーク(ESN)(純粋データ駆動)と比較して,hESNは不完全,または不完全,物理的モデルから付加的情報を使用する。hESNの性能を評価し,ESNのそれと比較する。このアプローチをカオス時間遅れ熱音響システムで実証し,物理モデルの包含が予測の精度を著しく改善し,相対誤差を48%から7%に低減した。この改善は,2つの常微分方程式を解決する低い余分のコストで得られた。このフレームワークは,カオスシステムにおける時間平均量の予測を改善するために,以前の物理的知識と組み合わせた機械学習技術の使用の可能性を示した。【JST・京大機械翻訳】

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

人工知能

, ,

前のページに戻る