神经网络模拟混沌动力学的精度：训练数据精度与算法精度之比较
神经与进化计算
2020-11-09 v2 机器学习
混沌动力学
计算物理
摘要
我们探讨了数据与算法的精度对利用神经网络技术模拟混沌动力学的影响。为此，我们使用三种适用于时间序列的不同的神经网络技术，即储备池计算（使用 ESN）、LSTM 和 TCN，以不同精度模拟 Lorenz 系统，分别进行短期和长期预测，并评估其效率与精度。我们的结果表明，ESN 网络在精确预测系统动力学方面表现更好，并且在所有情况下，算法的精度比训练数据的精度对预测准确性更为重要。这一结果支持了如下观点：神经网络可在许多数据必然精度有限的实际应用中进行时间序列预测，与近期结果一致。它还表明，对于给定的数据集，通过使用比数据精度更高的网络，可显著改善预测的可靠性。
引用
@article{arxiv.2008.04222,
title = {Accuracy of neural networks for the simulation of chaotic dynamics: precision of training data vs precision of the algorithm},
author = {S. Bompas and B. Georgeot and D. Guéry-Odelin},
journal= {arXiv preprint arXiv:2008.04222},
year = {2020}
}
备注
10 pages, 15 figures, additonal data provided, published version