分而治之：用于动态过程的循环分区网络
人工智能
2021-06-02 v1
摘要
一般而言，从物理系统到社会学分析，许多动态过程都涉及相互作用的变量。系统各组成部分的相互作用可能引发混杂的动态行为。许多方法整体地对时间序列建模，忽略了内部交互，难以捕捉原发生驱动。不同的是，我们的目标是以部分-整体层次表示系统，并发现系统内变量间隐含的依赖关系：推断对子系统行为具有因果效应的交互，使用REcurrent partItioned Network（REIN）。所提架构包括（i）一个感知模块，在多层级提取观测的层次化且时间一致的表示；（ii）一个演绎模块，用于确定各层级神经元间的关系连接；（iii）一个统计模块，可通过以时间分布估计为条件预测未来。我们的模型在有限观测下识别组成交互方面被证明有效，并在多样物理系统的长期未来预测中表现稳定。
引用
@article{arxiv.2106.00258,
title = {Divide and Rule: Recurrent Partitioned Network for Dynamic Processes},
author = {Qianyu Feng and Bang Zhang and Yi Yang},
journal= {arXiv preprint arXiv:2106.00258},
year = {2021}
}
备注
arXiv admin note: text overlap with arXiv:2007.15240, arXiv:2007.00631 by other authors