Core Concepts
非ガウス性のフラクチュエーションを考慮した確率的ダイナミクスの抽出手法を提案
Abstract
多次元問題におけるSDEの推論方法を提案
レヴィノイズとガウスノイズの同時抽出手法を示す
数値実験により手法の正確性と計算効率性を検証
Abstract:
観測、実験、シミュレーションデータから非ガウスフラクチュエーションを考慮した確率的ダイナミクス抽出手法が提案されている。
弱コロケーション回帰(WCR)は未知の確率的動力系、つまりレヴィノイズとガウスノイズを持つSDEを明示的に明らかにする。
Introduction:
時系列データ背後の法則学習が重要であり、本研究ではSDEsにLévy noiseも含めた多次元問題への適用可能性が示されている。
Methodology:
WCRアルゴリズムは従来手法[10]と比較して高い精度と時間効率性が示されている。
2次元問題や異なる次元での複雑なシステムでも有効であることが実証されている。
Experimental Results:
独立した2次元問題や異なる次元での混合ノイズシステムでもWCRアルゴリズムは優れた結果を示しており、計算効率性も高いことが示唆されている。
Stats
数値実験によって得られた結果:
λ(1)0: -0.08049, λ(1)1: 0.93940, λ(1)2: -0.12519, λ(1)3: -1.06913, σ(1): 1.10025, ξ(1): 0.90092 (Example 1)
λ(2)0: 0.0, λ(2)1: 1.10810, λ(2)2: 0.0, λ(2)3: -1.11434, σ(2): 1.09796, ξ(2): 0.985627 (Example 1)
λ(1)0: 0.0, λ(1)1: 1.0802537, λ(1)2: 0.0, λ(1)3: -1.0478958, σ(1): 0.9991456 (Example 2)
λ(2)0: 0.0, λ(2)1: 1.1367049, λ(2)2: 0.0, λ(2)3: -1.177175, σ(2): 0.00 (Example 2)
Quotes
"Despite the existence of numerous noise types in real world... cover a diverse range of problems."
"Our method can also distinguish various noises in a multi-noise system."