Core Concepts
高次元および非線形なハミルトニアン関数を回復するための構造保存カーネルリッジ回帰手法が提案されている。
Abstract
カーネルリッジ回帰手法による高次元および非線形なハミルトニアン関数の回復。
損失関数に勾配の線形関数が必要な問題にカーネル回帰手法を拡張。
構造保存カーネル推定値とガウス事後平均推定値との関係を分析。
固定および適応的正則化パラメータを使用した収束率を提供する完全な誤差解析。
提案された推定器の優れた性能は、さまざまな数値実験で示されている。
Stats
X(n)σ2 = J∇H(Z(n)) + ε(n)
λ = σ2/N
Quotes
"Machine learning-based methods have become popular and effective approaches to tackling this problem."
"A straightforward strategy that has been proposed is to directly learn the Hamiltonian vector field as a map that assigns each point in the phase space to the Hamiltonian vector field at that point."