Flow Map Learning for Unknown Dynamical Systems: Overview, Implementation, and Benchmarks

要約

フロー マップ学習 (FML) をディープ ニューラル ネットワーク (DNN) と組み合わせると、未知の動的システムのデータ駆動型モデリングが可能になることが示されています。
FML の注目すべき特徴は、正確な数学的モデルが存在しない場合でも、部分的に観測されたシステムの正確な予測モデルを生成できることです。
このペーパーでは、FML フレームワークの概要と、実装を成功させるための重要な計算の詳細について説明します。
また、未知の動的システムを学習するための、明確に定義された一連のベンチマーク問題も提示します。
これらの問題のすべての数値詳細が FML 結果とともに提示され、反対尋問のために問題にアクセスでき、結果が再現可能であることが保証されます。

要約(オリジナル)

Flow map learning (FML), in conjunction with deep neural networks (DNNs), has shown promises for data driven modeling of unknown dynamical systems. A remarkable feature of FML is that it is capable of producing accurate predictive models for partially observed systems, even when their exact mathematical models do not exist. In this paper, we present an overview of the FML framework, along with the important computational details for its successful implementation. We also present a set of well defined benchmark problems for learning unknown dynamical systems. All the numerical details of these problems are presented, along with their FML results, to ensure that the problems are accessible for cross-examination and the results are reproducible.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google