کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6930379 867532 2016 29 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Path-space variational inference for non-equilibrium coarse-grained systems
ترجمه فارسی عنوان
استنتاج تنوع مسیری-فضایی برای سیستم های درشت دانه غیر تعادل
کلمات کلیدی
زرشکی درشت، عدم تعادل، معیارهای اطلاعات فراگیری ماشین، استنتاج متغیر بهینه سازی تصادفی، سری زمانی، دینامیک لانگوین،
ترجمه چکیده
ما در مورد ارتباطات متدولوژیکی بین سیستم های مولکولی بر اساس اطلاعات و روش های استنتاجی تنوع که در ابتدا در جامعه یادگیری دستگاه طراحی شده است، بحث می کنیم. با این حال، ما یادآوری می کنیم که کار ارائه شده در اینجا به دلیل استنتاج واریانس برای سری زمانی وابسته به دلیل تمرکز بر دینامیک است. کاربرد روش های پیشنهادی در فرایندهای تصادفی با ابعاد بزرگ نشان داده شده توسط دینامیک لانژینو از ذرات متقابل نشان داده شده است.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر نرم افزارهای علوم کامپیوتر
چکیده انگلیسی
We discuss methodological connections between information-based coarse-graining of molecular systems and variational inference methods primarily developed in the machine learning community. However, we note that the work presented here addresses variational inference for correlated time series due to the focus on dynamics. The applicability of the proposed methods is demonstrated on high-dimensional stochastic processes given by overdamped and driven Langevin dynamics of interacting particles.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Journal of Computational Physics - Volume 314, 1 June 2016, Pages 355-383
نویسندگان
, , , ,