基于深度学习的吸引盆分析
机器学习
2024-06-18 v2
摘要
本研究致力于解决刻画各类动力系统中吸引盆的复杂性与不可预测性的挑战。主要焦点在于展示卷积神经网络（CNN）该领域的效率。传统方法在分析动力系统不同参数下的多个吸引盆时计算开销巨大。我们的研究提出了一种利用CNN架构实现此目的的创新方法，展示了其相较于传统方法的优越性能。我们对多种CNN模型进行了比较分析，突出了我们所提出的刻画方法的有效性，同时承认既有方法的合理性。这些发现不仅展示了CNN的潜力，也强调了它们在推进动力系统多样行为探索中的重要意义。
引用
@article{arxiv.2309.15732,
title = {Deep Learning-based Analysis of Basins of Attraction},
author = {David Valle and Alexandre Wagemakers and Miguel A. F. Sanjuán},
journal= {arXiv preprint arXiv:2309.15732},
year = {2024}
}