Core Concepts
제한되고 노이즈가 있는 데이터셋에서 재현 커널 힐버트 공간과 랜덤 특징을 활용하여 해밀턴 동역학을 학습하는 방법을 제안한다. 제안된 커널은 학습된 벡터장이 해밀턴이며 홀수 대칭성을 가지도록 한다.
Abstract
이 논문은 제한되고 노이즈가 있는 데이터셋에서 해밀턴 동역학을 학습하는 방법을 제안한다.
재현 커널 힐버트 공간(RKHS)에서 고유하게 해밀턴인 벡터장을 학습한다. 특히 홀수 해밀턴 벡터장을 학습한다.
이를 위해 심플레틱 커널을 사용하며, 홀수 대칭성을 부여하기 위해 커널을 수정한다.
문제 크기를 줄이기 위해 랜덤 특징 근사를 개발한다. 이는 홀수 커널에 대한 랜덤 특징 근사도 포함한다.
세 가지 해밀턴 시스템 시뮬레이션을 통해 제안 방법의 성능을 검증한다. 홀수 심플레틱 커널 사용이 예측 정확도를 향상시키고, 학습된 벡터장이 해밀턴이며 홀수 대칭성을 가짐을 보인다.
Stats
단진자 시스템 파라미터: m = 1, l = 1, g = 9.81
단진자 시스템 초기 조건: x0 = {2π/5, 0}T, 4π/5, 0}T, 19π/20, -4}T
단진자 시스템 시뮬레이션 시간: t ∈ [0, 0.7] 초, 시간 간격 h = 0.1
단진자 시스템 데이터: N = 24개 데이터점, 속도 데이터에 평균 0, 표준편차 0.01의 가우시안 노이즈 추가