一种用于训练随机神经网络以重构动力系统中不确定参数分布的新型局部时间解耦平方 Wasserstein-2 方法
机器学习
2025-03-10 v1 概率论
摘要
在本文中，我们提出并分析了一种用于重构动力系统中未知参数分布的新型局部时间解耦平方 Wasserstein-2 方法。具体而言，我们证明一个随机神经网络模型，通过最小化我们提出的局部时间解耦平方 Wasserstein-2 损失函数进行有效训练，是近似动力系统中不确定模型参数分布的有效模型。通过若干数值示例，我们展示了所提方法在重构不同动力系统中参数分布方面的有效性。
引用
@article{arxiv.2503.05068,
title = {A new local time-decoupled squared Wasserstein-2 method for training stochastic neural networks to reconstruct uncertain parameters in dynamical systems},
author = {Mingtao Xia and Qijing Shen and Philip Maini and Eamonn Gaffney and Alex Mogilner},
journal= {arXiv preprint arXiv:2503.05068},
year = {2025}
}