Buchumschlag

Machine learning approach to detect dynamical states from recurrence measures

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Thakur, Dheeraja, Mohan, Athul, Ambika, G., Meena, Chandrakala
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Data Analysis, Statistics and Probability Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

An information field theory approach to Bayesian state and parameter estimation in dynamical systems
von: Hao, Kairui, et al.
Veröffentlicht: (2023)

Deep learning for classifying dynamical states from time series via recurrence plots
von: Mohan, Athul, et al.
Veröffentlicht: (2025)

Statistical limits of correlation detection in trees
von: Ganassali, Luca, et al.
Veröffentlicht: (2022)

Multifractal and recurrence measures from meteorological data of climate zones in India
von: Bejoy, Joshin John, et al.
Veröffentlicht: (2023)

Learning thermodynamically constrained equations of state with uncertainty
von: Sharma, Himanshu, et al.
Veröffentlicht: (2023)

Learning from the past: predicting critical transitions with machine learning trained on surrogates of historical data
von: Ma, Zhiqin, et al.
Veröffentlicht: (2024)

Physics-constrained polynomial chaos expansion for scientific machine learning and uncertainty quantification
von: Sharma, Himanshu, et al.
Veröffentlicht: (2024)

Exploring how deep learning decodes anomalous diffusion via Grad-CAM
von: Bae, Jaeyong, et al.
Veröffentlicht: (2024)

Towards certification: A complete statistical validation pipeline for supervised learning in industry
von: Lacasa, Lucas, et al.
Veröffentlicht: (2024)

Uncertainty estimation via ensembles of deep learning models and dropout layers for seismic traces
von: Messuti, Giovanni, et al.
Veröffentlicht: (2024)

Comparative study of machine learning and statistical methods for automatic identification and quantification in γ-ray spectrometry
von: Phan, Dinh Triem, et al.
Veröffentlicht: (2025)

Learning to solve Bayesian inverse problems: An amortized variational inference approach using Gaussian and Flow guides
von: Karumuri, Sharmila, et al.
Veröffentlicht: (2023)

Hierarchical geometric deep learning enables scalable analysis of molecular dynamics
von: Pengmei, Zihan, et al.
Veröffentlicht: (2025)

Reliable data clustering with Bayesian community detection
von: Neuman, Magnus, et al.
Veröffentlicht: (2025)

Comparative Analysis of Machine Learning-Based Imputation Techniques for Air Quality Datasets with High Missing Data Rates
von: Yan, Sen, et al.
Veröffentlicht: (2024)

Short-Term Forecasting of Energy Production and Consumption Using Extreme Learning Machine: A Comprehensive MIMO based ELM Approach
von: Voyant, Cyril, et al.
Veröffentlicht: (2025)

Exponentially improved efficient machine learning for quantum many-body states with provable guarantees
von: Che, Yanming, et al.
Veröffentlicht: (2023)

Out-of-Sample Hydrocarbon Production Forecasting: Time Series Machine Learning using Productivity Index-Driven Features and Inductive Conformal Prediction
von: Idris, Mohamed Hassan Abdalla, et al.
Veröffentlicht: (2025)

Development of a high-resolution indoor radon map using a new machine learning-based probabilistic model and German radon survey data
von: Petermann, Eric, et al.
Veröffentlicht: (2023)

Identifying topology of leaky photonic lattices with machine learning
von: Smolina, Ekaterina O., et al.
Veröffentlicht: (2023)

Tracking Dynamical Transitions using Link Density of Recurrence Networks
von: Jacob, Rinku, et al.
Veröffentlicht: (2024)

Tunable correlation retention: A statistical method for generating synthetic data
von: Jävergård, Nicklas, et al.
Veröffentlicht: (2024)

Self-learning signal classifier for decameter coherent scatter radars
von: Berngardt, Oleg, et al.
Veröffentlicht: (2025)

Learning dynamical systems with hit-and-run random feature maps
von: Mandal, Pinak, et al.
Veröffentlicht: (2025)

Fast reconstruction-based ROI triggering via anomaly detection in the CYGNO optical TPC
von: Amaro, F. D., et al.
Veröffentlicht: (2025)

Potential of Domain Adaptation in Machine Learning in Ecology and Hydrology to Improve Model Extrapolability
von: Shi, Haiyang
Veröffentlicht: (2024)

Learning effective good variables from physical data
von: Barletta, Giulio, et al.
Veröffentlicht: (2024)

SpecTUS: Spectral Translator for Unknown Structures annotation from EI-MS spectra
von: Hájek, Adam, et al.
Veröffentlicht: (2025)

Probabilistic Emissivity Retrieval from Hyperspectral Data via Physics-Guided Variational Inference
von: Tempelman, Joshua R., et al.
Veröffentlicht: (2025)

Stochastic Inference of Plate Bending from Heterogeneous Data: Physics-informed Gaussian Processes via Kirchhoff-Love Theory
von: Kavrakov, Igor, et al.
Veröffentlicht: (2024)

Trigger Optimization and Event Classification for Dark Matter Searches in the CYGNO Experiment Using Machine Learning
von: Amaro, F. D., et al.
Veröffentlicht: (2026)

Reconstructing dynamics from sparse observations with no training on target system
von: Zhai, Zheng-Meng, et al.
Veröffentlicht: (2024)

Bayesian symbolic regression: Automated equation discovery from a physicists' perspective
von: Guimera, Roger, et al.
Veröffentlicht: (2025)

Unsupervised learning of anomalous diffusion data
von: Muñoz-Gil, Gorka, et al.
Veröffentlicht: (2021)

Anticipating tipping in spatiotemporal systems with machine learning
von: Deb, Smita, et al.
Veröffentlicht: (2026)

Scalable Sparse Regression for Model Discovery: The Fast Lane to Insight
von: Golden, Matthew
Veröffentlicht: (2024)

Active Learning with Fully Bayesian Neural Networks for Discontinuous and Nonstationary Data
von: Ziatdinov, Maxim
Veröffentlicht: (2024)

DPGIIL: Dirichlet Process-Deep Generative Model-Integrated Incremental Learning for Clustering in Transmissibility-based Online Structural Anomaly Detection
von: Mei, Lin-Feng, et al.
Veröffentlicht: (2024)

Dreaming Learning
von: Londei, Alessandro, et al.
Veröffentlicht: (2024)

AI Meets Antimatter: Unveiling Antihydrogen Annihilations
von: Ferreira, Ashley, et al.
Veröffentlicht: (2024)