गतिशील प्रणाली पहचान के लिए मजबूत प्रतीकात्मक प्रतिगमन

वास्तविक दुनिया की जटिल प्रणालियाँ अक्सर उच्च-निष्ठता भौतिक वर्णनों की कमी की शिकार होती हैं और आमतौर पर आंशिक अवलोकनशीलता के अधीन होती हैं। ऐसी प्रणालियों की गतिशीलता को सीखना एक चुनौतीपूर्ण और सर्वव्यापी समस्या है, जो विभिन्न महत्वपूर्ण अनुप्रयोगों में सामना की जाती है, जिन्हें व्याख्या योग्यता और गुणात्मक गारंटी की आवश्यकता होती है। हमारा पत्र ओडीई द्वारा शासित, कम-देखे गए संभाव्यता वितरण धाराओं के मामले में इस समस्या का समाधान करता है। विशेष रूप से, हम एक श्वेत बक्सा दृष्टिकोण तैयार करते हैं - जिसे प्रतीकात्मक वितरण प्रवाह शिक्षार्थी (SDFL) कहा जाता है - जो एक वासरस्टीन-आधारित हानि फ़ंक्शन के साथ प्रतीकात्मक खोज का लाभ उठाता है, जिससे एक मजबूत मॉडल-प्राप्ति योजना बनती है जो स्वाभाविक रूप से आंशिक अवलोकनशीलता से निपटने के लिए उपयुक्त होती है। इसके अतिरिक्त, हम मॉडल-खोज में निश्चित निष्ठा स्तर को प्राप्त करने के लिए आवश्यक स्नैपशॉट की संख्या पर सैद्धांतिक गारंटी प्रदान करते हैं। हम प्रस्तावित योजना का प्रदर्शन कुरामोटो नेटवर्क की प्रोटोटाइप समस्या और एकल-कोशिका RNA अनुक्रम डेटा के मानक बेंचमार्क पर करते हैं। संख्यात्मक प्रयोग SDFL के प्रतिस्पर्धात्मक प्रदर्शन को सर्वोत्तम तरीकों की तुलना में प्रदर्शित करते हैं।