دانلود مقاله ISI انگلیسی شماره 69107
ترجمه فارسی عنوان مقاله

استنتاج تنوع مسیری-فضایی برای سیستم های درشت دانه غیر تعادل

عنوان انگلیسی
Path-space variational inference for non-equilibrium coarse-grained systems
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی ترجمه فارسی
69107 2016 29 صفحه PDF سفارش دهید
دانلود فوری مقاله + سفارش ترجمه
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Journal of Computational Physics, Volume 314, 1 June 2016, Pages 355–383

ترجمه کلمات کلیدی
زرشکی درشت، عدم تعادل، معیارهای اطلاعات فراگیری ماشین، استنتاج متغیر بهینه سازی تصادفی، سری زمانی، دینامیک لانگوین
کلمات کلیدی انگلیسی
Coarse graining; Non-equilibrium; Information metrics; Machine learning; Variational inference; Stochastic optimization; Time series; Langevin dynamics
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 تنوعی برای سری زمانی وابسته به دلیل تمرکز بر دینامیک اشاره می کند. کاربرد روش های پیشنهادی در فرایندهای تصادفی با ابعاد بزرگ نشان داده شده توسط دینامیک لانژینو از ذرات متقابل نشان داده شده است.
ترجمه دقیق تری نیاز دارید؟ سفارش دهید

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.

دانلود فوری مقاله + سفارش ترجمه
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.