幾何学的制約を用いた、疎な観測データからの確率的ダイナミクスの学習

Research Paper#Stochastic Systems, Machine Learning, Geometric Deep Learning🔬 Research|分析: 2026年1月3日 18:40•
公開: 2025年12月29日 16:06
•
1分で読める
•ArXiv

分析

本論文は、疎でアンダーサンプリングされたデータから確率的システムのダイナミクスを学習するという課題に取り組んでいます。既存の手法の限界を克服するために、確率的制御と幾何学的議論を組み合わせた新しいフレームワークを導入しています。このアプローチは、過減衰ランジュバンシステムに特に有効であり、既存の技術と比較して改善された性能を示しています。幾何学的帰納的バイアスの組み込みは重要な貢献であり、確率的システム同定のための有望な方向性を示しています。
引用・出典
原文を見る
"Our method uses geometry-driven path augmentation, guided by the geometry in the system's invariant density to reconstruct likely trajectories and infer the underlying dynamics without assuming specific parametric models."
A
ArXiv2025年12月29日 16:06
* 著作権法第32条に基づく適法な引用です。
古い記事

Panel Coupled Matrix-Tensor Clustering Model with Applications to Asset Pricing

新しい記事

Transitioning late-time cosmology with the Hubble parameterization

関連分析

Research Paper

SpaceTimePilot：空間と時間の制御による生成ビデオレンダリング

2026年1月3日 06:10

Research Paper

量子カオスハミルトニアン進化におけるランダム性生成

2026年1月3日 06:10

Research Paper

GaMO：幾何学認識拡散を用いた疎視点3D再構成

2026年1月3日 06:32

原文: ArXiv