自动微分物理信息回声状态网络（API-ESN）
机器学习
2021-03-25 v2 混沌动力学
摘要
我们提出自动微分物理信息回声状态网络（API-ESN）。该网络通过储层的精确时间导数由物理方程约束，该导数由自动微分计算。与原始物理信息回声状态网络相比，时间导数的精度提高了多达七个数量级。这种精度的提升在混沌动力系统中至关重要，因为误差随时间呈指数增长。该网络在重构混沌系统未测量（隐藏）状态中得到展示。API-ESN 消除了现有物理信息回声状态网络在计算时间导数时存在的一个误差源。这为准确重构混沌动力系统状态开辟了新可能。
引用
@article{arxiv.2101.00002,
title = {Automatic-differentiated Physics-Informed Echo State Network (API-ESN)},
author = {Alberto Racca and Luca Magri},
journal= {arXiv preprint arXiv:2101.00002},
year = {2021}
}
备注
7 pages, 3 figures