物理增强的高斯过程变分自编码器
机器学习
2023-05-17 v1 系统与控制
系统与控制
摘要
变分自编码器能够基于高维输入/输出数据学习低维潜空间。以视频片段作为输入数据，编码器可用于在无真值数据（无监督学习）情况下描述视频中物体的运动。尽管物体动态通常基于第一性原理，现有文献大多忽略了这一先验知识。为此，我们提出一种物理增强的变分自编码器，其在潜动态上施加物理增强的高斯过程先验，以提升变分自编码器的效率并实现物理正确的预测。此处以线性动力学系统表达的物理先验知识由格林函数反映，并纳入高斯过程的核函数中。所提方法的优势通过振荡粒子的仿真得以展示。
引用
@article{arxiv.2305.09006,
title = {Physics-enhanced Gaussian Process Variational Autoencoder},
author = {Thomas Beckers and Qirui Wu and George J. Pappas},
journal= {arXiv preprint arXiv:2305.09006},
year = {2023}
}
备注
Accepted paper at the 5th Annual Learning for Dynamics & Control Conference