Detecting disturbances in network-coupled dynamical systems with machine learning

要約

外乱や基礎的な力学に関する知識なしに、ネットワーク結合動的システムの外乱を特定することは、幅広いアプリケーションで問題となります。
たとえば、ネットワーク内のどのノードが妨害を受けているかを知り、妨害の種類を特定したい場合があります。
ここでは、既知のトレーニング関数によって強制された場合のシステムの事前の観察のみに基づいて、そのような未知の外乱を識別する、機械学習に基づくモデルフリーの方法を紹介します。
この方法では、既知のさまざまな強制関数を使用して、さまざまな種類の未知の外乱の位置と特性を特定できることがわかりました。
食物網とニューロン活動モデルを使用して、線形および非線形の両方の撹乱に関する結果を説明します。
最後に、この方法を大規模ネットワークに拡張する方法について説明します。

要約(オリジナル)

Identifying disturbances in network-coupled dynamical systems without knowledge of the disturbances or underlying dynamics is a problem with a wide range of applications. For example, one might want to know which nodes in the network are being disturbed and identify the type of disturbance. Here we present a model-free method based on machine learning to identify such unknown disturbances based only on prior observations of the system when forced by a known training function. We find that this method is able to identify the locations and properties of many different types of unknown disturbances using a variety of known forcing functions. We illustrate our results both with linear and nonlinear disturbances using food web and neuronal activity models. Finally, we discuss how to scale our method to large networks.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google