文献

J-GLOBAL ID：202202259230800119   整理番号：22A0637507

方程式駆動神経回路網による非線形パラメトリックシステムの学習分岐【JST・京大機械翻訳】

Learn bifurcations of nonlinear parametric systems via equation-driven neural networks

著者 (2件)： Hao Wenrui (Department of Mathematics, Pennsylvania State University, University Park, Pennsylvania 16802, USA) ,  Zheng Chunyue (Department of Mathematics, Pennsylvania State University, University Park, Pennsylvania 16802, USA)
資料名： Chaos  (Chaos)
巻： 32  号： 1  ページ： 011102-011102-9  発行年： 2022年 
JST資料番号： W0550A  ISSN： 1054-1500  CODEN： CHAOEH  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 非線形パラメトリックシステムは,科学と工学における非線形力学のモデリングに広く使用されている。パラメータ空間上のこれらの非線形系の分岐解析は通常,解の数や安定性などの解構造を研究するために用いられる。本論文では,いわゆる方程式駆動ニューラルネットワーク(EDNN)を介して分岐を計算する新しい機械学習アプローチを開発した。EDNNは2段階最適化から成る:第一段階は経験的解データを訓練することによってパラメータの解関数を近似することである。第2ステップは,第一段階で得られた近似ニューラルネットワークを用いて分岐を計算することである。いくつかの例に関する理論的収束解析と数値実装の両方を実行して,提案した方法の実現可能性を実証した。Copyright 2022 AIP Publishing LLC All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 安定性 ,  最適化 ,  非線形系 ,  *学習 ,  解析 ,  ニューラルネットワーク ,  *枝分れ ,  近似法 ,  モデリング ,  パラメータ ,  非線形力学 ,  *神経回路網 ,  機械学習
準シソーラス用語： パラメータ空間 ,  分岐解析 ,  収束解析 , 【Automatic Indexing@JST】

分類 (2件)： ニューロコンピュータ  (JC06010Q) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 方程式 ,  神経回路網 ,  非線形 ,  学習 ,  分岐