DLKoopman: A deep learning software package for Koopman theory

要約

DLKoopman は、深層学習を使用して非線形力学システムの線形空間へのエンコードを学習し、同時に線形力学を学習するクープマン理論用のソフトウェア パッケージです。
これまでのいくつかの取り組みでは、エンコーディングを学習する機能が制限されていたり、特定のシステム向けに設計されたオーダーメイドの取り組みが行われていましたが、DLKoopman は、あらゆる動的システムのデータ駆動型学習と最適化に適用できる汎用ツールです。
システムの個々の状態 (スナップショット) からのデータでトレーニングして未知の状態を予測するために使用することも、システムの軌跡からのデータでトレーニングして新しい初期状態の未知の軌跡を予測するために使用することもできます。
DLKoopman は、Python Package Index (PyPI) で「dlkoopman」として入手でき、広範なドキュメントとチュートリアルが含まれています。
このパッケージの追加の貢献には、パフォーマンスを評価するための「平均正規化絶対誤差」と呼ばれる新しいメトリクスと、パフォーマンスを向上させるためのすぐに使用できるハイパーパラメータ検索モジュールが含まれます。

要約(オリジナル)

We present DLKoopman — a software package for Koopman theory that uses deep learning to learn an encoding of a nonlinear dynamical system into a linear space, while simultaneously learning the linear dynamics. While several previous efforts have either restricted the ability to learn encodings, or been bespoke efforts designed for specific systems, DLKoopman is a generalized tool that can be applied to data-driven learning and optimization of any dynamical system. It can either be trained on data from individual states (snapshots) of a system and used to predict its unknown states, or trained on data from trajectories of a system and used to predict unknown trajectories for new initial states. DLKoopman is available on the Python Package Index (PyPI) as ‘dlkoopman’, and includes extensive documentation and tutorials. Additional contributions of the package include a novel metric called Average Normalized Absolute Error for evaluating performance, and a ready-to-use hyperparameter search module for improving performance.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google