约束混沌:在循环神经网络训练中强制动力学不变量
机器学习
2023-04-26 v1 动力系统
地球物理
摘要
基于遍历理论,我们提出一种用于混沌动力系统机器学习预测方法的新训练方法。该训练在目标系统中强制动力学不变量——如李雅普诺夫指数谱和分形维数——从而在使用有限数据时实现更长且更稳定的预测。该技术使用储层计算的循环神经网络架构进行了详细演示。给出了 Lorenz 1996 混沌动力学系统和谱准地转模型的结果,二者均为数值天气预报的典型测试用例。
引用
@article{arxiv.2304.12865,
title = {Constraining Chaos: Enforcing dynamical invariants in the training of recurrent neural networks},
author = {Jason A. Platt and Stephen G. Penny and Timothy A. Smith and Tse-Chun Chen and Henry D. I. Abarbanel},
journal= {arXiv preprint arXiv:2304.12865},
year = {2023}
}