尖点突变模型中的深度神经网络

突变理论最初用于研究因输入微小变化而表现出行为突变的动态系统。这些模型能够对非线性动态模型中突然跳跃背后的原因给出合理解释。在不同突变模型中，尖点突变模型因其相对简单的动力学和丰富的应用领域而备受关注。由于响应的复杂行为，参数空间变得高度非凸，因此很难通过优化来确定生成参数。我们并未求解这些生成参数，而是展示了如何训练机器学习模型来学习尖点突变模型的动力学，而无需真正求解生成模型参数。仿真研究以及在若干著名数据集上的应用验证了我们的方法。据我们所知，这是首篇将基于神经网络的方法应用于尖点突变模型的此类论文。