基于变分深度学习的噪声与部分观测下混沌与随机动力系统的辨识与重构
机器学习
2021-02-17 v6 机器学习
摘要
数据驱动的未知动力学系统控制方程恢复近来受到越来越多的关注。然而，在处理噪声与部分观测时，控制方程的辨识仍然具有挑战性。在此，我们应对这一挑战并研究变分深度学习方案。在所提出的框架内，我们从噪声与部分数据序列中联合学习一个推断模型以重构系统的真实状态以及这些状态的控制规律。在此过程中，该框架桥接了经典数据同化与最先进的机器学习技术。我们还证明它推广了最先进的方法。重要的是，推断模型与控制模型均嵌入随机分量以考虑随机变异性、模型误差与重构不确定性。在混沌与随机动力学系统上的多种实验支持了我们的方案相对于最先进方法的相关性。
引用
@article{arxiv.2009.02296,
title = {Variational Deep Learning for the Identification and Reconstruction of Chaotic and Stochastic Dynamical Systems from Noisy and Partial Observations},
author = {Duong Nguyen and Said Ouala and Lucas Drumetz and Ronan Fablet},
journal= {arXiv preprint arXiv:2009.02296},
year = {2021}
}