从潜轨迹随机观测中学习非平稳Langevin动力学
机器学习
2021-11-01 v1 统计力学
机器学习
生物物理
数据分析、统计与概率
摘要
许多远离平衡态运行的复杂系统表现出可用Langevin方程描述的随机动力学。从数据推断Langevin方程可以揭示此类系统的瞬态动力学如何产生其功能。然而，动力学通常无法直接获取，只能透过随机观测过程窥得，这使得推断具有挑战性。在此我们提出一个用于推断Langevin方程的非参数框架，其显式建模随机观测过程与非平稳潜动力学。该框架考虑了观测系统的非平衡初始和最终状态，以及系统动力学决定观测时长的可能性。忽略这些非平稳组件中的任何一个都会导致错误推断，其中由于非平稳数据分布，动力学中会出现错误特征。我们使用大脑中决策背后的神经动力学模型说明了该框架。
引用
@article{arxiv.2012.14944,
title = {Learning non-stationary Langevin dynamics from stochastic observations of latent trajectories},
author = {Mikhail Genkin and Owen Hughes and Tatiana A. Engel},
journal= {arXiv preprint arXiv:2012.14944},
year = {2021}
}