본 연구는 편미분방정식 발견을 위한 강건한 베이지안 희소 학습 알고리즘을 제안한다.
주요 내용은 다음과 같다:
시공간 의존 계수를 가진 편미분방정식 발견을 위해 임계값 베이지안 그룹 라쏘 회귀 모형(tBGL-SS)을 제안한다. 이 모형은 노이즈 환경에서도 안정적으로 지배방정식을 식별할 수 있으며, 계산적으로 효율적이다.
베이지안 모델링을 통해 불확실성 정량화를 가능하게 하며, 이를 활용하여 베이지안 총 오차 바 기준을 제안한다. 이 기준은 노이즈 환경에서 모델 선택 성능을 향상시킨다.
다양한 사례 연구를 통해 tBGL-SS 방법의 성능을 검증한다. 실험 결과, tBGL-SS 방법이 다른 기준 방법들에 비해 노이즈 환경에서 우수한 성능을 보인다. 또한 큰 관측 노이즈에 대처하기 위한 다양한 전처리 방법을 제안한다.
Sang ngôn ngữ khác
từ nội dung nguồn
arxiv.org
Thông tin chi tiết chính được chắt lọc từ
by Aoxue Chen,Y... lúc arxiv.org 03-27-2024
https://arxiv.org/pdf/2102.01432.pdfYêu cầu sâu hơn