[1Win4] Poster session 1

[1Win4-92] Neural Networks for Learning Coupled Dynamical Systems through Lagrange-Dirac Formulation

〇Reiho Li¹, Razmik Arman Khosrovian², Takaharu Yaguchi³, Hiroaki Yoshimura⁴, Takashi Matsubara¹ (1.Hokkaido University, 2.Osaka University, 3.Kobe University, 4.Waseda University)

Keywords:System Identification, Deep Learning, Lagrange-Dirac System

ディープラーニングは常微分方程式で記述される動的システムのモデリングにおいて顕著な性能を示してきた。しかし既存のモデリング手法では連成系全体を単一に扱うため、システム内の相互作用を十分に捉えられず、実際の挙動と予測の間に大きな誤差を生じさせる。この問題に対処するため、ラグランジュ形式とディラック構造を組み合わせたラグランジュ=ディラック形式に基づいたLagrange-Dirac Neural Networksを提案する。これにより構成要素間の相互作用や結合から生じる退化や散逸要素、外部入力の表現が可能になる。実験結果より、提案手法が未知の結合パターンをデータから導出することで連成系のモデリングにおける解釈性を向上させることが示された。