외부 자극에 따른 알려지지 않은 확률적 동적 시스템 모델링

우리는 시간 의존적인 자극이나 제어 신호에 영향을 받는 알려지지 않은 비자율 확률적 동적 시스템을 학습하기 위한 수치적 방법을 제시합니다. 우리의 기본 가정은 확률적 시스템에 대한 지배 방정식이 사용 불가능하다는 것입니다. 그러나 특정 알려진 자극 신호와 그에 대한 시스템 응답으로 구성된 짧은 입력/출력(I/O) 데이터가 이용 가능합니다. 이러한 I/O 데이터가 충분히 주어질 때, 우리의 방법은 알려지지 않은 동역학을 학습하고 훈련 데이터에 없는 임의의 자극 신호에 대해 시스템의 확률적 응답을 예측하는 정확한 모델을 생성할 수 있습니다. 우리의 방법은 두 가지 주요 구성 요소를 가지고 있습니다: (1) 학습을 매개변수화된 형태로 전환하기 위한 훈련 I/O 데이터의 지역 근사; (2) 분포에서 기본적인 알려지지 않은 확률적 흐름 맵을 근사하기 위한 생성 모델. 방법을 자세히 설명한 후, 제안된 방법의 성능을 입증하기 위해 포괄적인 수치적 예제를 제시하며, 특히 장기 시스템 예측에 대한 성능을 강조합니다.