A Gaussian process (GP)-based methodology is proposed to emulate computationally expensive dynamical computer models or simulators. The method relies on emulating the short-time numerical flow map of the model. The flow map returns the solution of a dynamic system at an arbitrary time for a given initial condition. The prediction of the flow map is performed via a GP whose kernel is estimated using random Fourier features. This gives a distribution over the flow map such that each realisation serves as an approximation to the flow map. A realisation is then employed in an iterative manner to perform one-step ahead predictions and forecast the whole time series. Repeating this procedure with multiple draws from the emulated flow map provides a probability distribution over the time series. The mean and variance of that distribution are used as the model output prediction and a measure of the associated uncertainty, respectively. The proposed method is used to emulate several dynamic non-linear simulators including the well-known Lorenz attractor and van der Pol oscillator. The results show that our approach has a high prediction performance in emulating such systems with an accurate representation of the prediction uncertainty.


翻译:以 Gausian 进程为基础的方法( GP) 提议模仿计算成本昂贵的动态计算机模型或模拟器。 方法依赖于模拟模型的短时数字流图。 流程图在特定初始条件的任意时间返回动态系统的解决方案。 流程图的预测通过使用随机的 Fourier 特征进行, 其内核估计的 GP 流程图的预测。 这样在流程图上进行分布, 使每个实现都能够接近流程图。 然后, 以迭接方式实现实现, 来进行前一步的预测并预报整个时间序列。 从模拟流程图中多次抽取的重复此程序提供了时间序列的概率分布。 该分布的平均值和差异分别用作模型输出预测和相关不确定性的测量。 拟议方法用来模仿几个动态的非线性模拟器, 包括著名的Lorenz 吸引器和 van der Pol 振测器。 结果显示, 我们的方法在模拟这种系统时具有高预测性, 并准确表示不确定性。

0
下载
关闭预览

相关内容

金融人工智能,40页pdf
专知会员服务
142+阅读 · 2021年10月9日
专知会员服务
47+阅读 · 2021年4月24日
【干货书】机器学习速查手册,135页pdf
专知会员服务
125+阅读 · 2020年11月20日
【干货书】机器学习Primer,122页pdf
专知会员服务
106+阅读 · 2020年10月5日
专知会员服务
159+阅读 · 2020年1月16日
强化学习三篇论文 避免遗忘等
CreateAMind
19+阅读 · 2019年5月24日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
Ray RLlib: Scalable 降龙十八掌
CreateAMind
9+阅读 · 2018年12月28日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
carla 学习笔记
CreateAMind
9+阅读 · 2018年2月7日
carla无人驾驶模拟中文项目 carla_simulator_Chinese
CreateAMind
3+阅读 · 2018年1月30日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Arxiv
0+阅读 · 2021年11月9日
Arxiv
0+阅读 · 2021年11月6日
VIP会员
相关资讯
强化学习三篇论文 避免遗忘等
CreateAMind
19+阅读 · 2019年5月24日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
Ray RLlib: Scalable 降龙十八掌
CreateAMind
9+阅读 · 2018年12月28日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
carla 学习笔记
CreateAMind
9+阅读 · 2018年2月7日
carla无人驾驶模拟中文项目 carla_simulator_Chinese
CreateAMind
3+阅读 · 2018年1月30日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Top
微信扫码咨询专知VIP会员