by , ,
Abstract:
確率微分方程式を学習することは確率システムの制御を構築する上で重要である．その際，物理モデルを組込むことでモデルの汎化性能やロバスト性向上が期待される．一方で訓練時に物理モデルの情報を効果的に活用するためには，ニューラルネットの出力に制約を加える正則化が必要であると考えられる．本研究では，物理モデルや正則化の導入が外挿性能や訓練データが少ない場合のモデル化性能向上に貢献するか，実験を行い検証する．
Reference:
大坂 光, 武石 直也, 矢入 健久:確率微分方程式の学習において物理モデルおよび正則化を導入する効果の検証, In 第27回情報論的学習理論ワークショップ (IBIS), さいたま, 2024.
Bibtex Entry:
@conference{osakaIBIS2024,
title = {確率微分方程式の学習において物理モデルおよび正則化を導入する効果の検証},
author = {光 大坂 and 直也 武石 and 健久 矢入},
labauthor = {光 大坂 and 直也 武石 and 健久 矢入},
url = {https://ibisml.org/ibis2024/},
year = {2024},
abstract = {確率微分方程式を学習することは確率システムの制御を構築する上で重要である．その際，物理モデルを組込むことでモデルの汎化性能やロバスト性向上が期待される．一方で訓練時に物理モデルの情報を効果的に活用するためには，ニューラルネットの出力に制約を加える正則化が必要であると考えられる．本研究では，物理モデルや正則化の導入が外挿性能や訓練データが少ない場合のモデル化性能向上に貢献するか，実験を行い検証する．},
booktitle = {第27回情報論的学習理論ワークショップ (IBIS), さいたま},
lang = {ja}
}