データ駆動確率システムからの有効動力学の学習【JST・京大機械翻訳】

Feng Lingyu; Gao Ting; Dai Min; Duan Jinqiao

プレプリント

J-GLOBAL ID：202202218293345791 整理番号：22P0346296

データ駆動確率システムからの有効動力学の学習【JST・京大機械翻訳】

Learning effective dynamics from data-driven stochastic 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 (4件)： , , ,
資料名：
発行年： 2022年05月09日プレプリントサーバーでの情報更新日： 2023年12月29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。

マルチスケール確率的動的システムは,多くの実世界アプリケーションにおける複雑な現象を表現する能力により,様々な科学的および工学的問題に広く採用されている。本研究は,遅い高速確率力学系に対する有効動力学の調査に専念した。いくつかの未知の遅速確率システムを満たす短期期間に関する観測データを与えて,著者らは,不変の遅い多様体を学ぶためにAuto-SDEと呼ばれるニューラルネットワークを含む新規アルゴリズムを提案した。本手法は,離散化確率微分方程式から構築された損失を有する一連の時間依存自動符号器ニューラルネットワークの進化的性質を捉える。また,このアルゴリズムは,様々な評価計量の下で数値実験を通して正確で,安定かつ有効であると検証された。【JST・京大機械翻訳】

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

ニューロコンピュータ

, , ,

前のページに戻る