DynaBench:一种用于从低分辨率数据学习动力系统的基准数据集
机器学习
2023-09-29 v2
摘要
以往从数据学习物理系统的工作集中于高分辨率网格结构测量。然而,此类系统的真实世界认知(如天气数据)依赖于稀疏散布的测站。本文中,我们引入一种新颖的模拟基准数据集 DynaBench,用于在没有方程先验知识的情况下直接从稀疏散布的数据学习动力系统。该数据集聚焦于从低分辨率、非结构化测量预测动力系统的演化。我们模拟了六种覆盖文献中常用各类物理系统的不同偏微分方程,并评估了若干机器学习模型(包括传统图神经网络与点云处理模型)在预测系统演化任务上的表现。所提出的基准数据集有望作为一个开箱即用、易于使用的工具,在推动仅有非结构化低分辨率观测可用场景下的模型评估前沿方面发挥作用。该基准位于 https://anonymous.4open.science/r/code-2022-dynabench/。
引用
@article{arxiv.2306.05805,
title = {DynaBench: A benchmark dataset for learning dynamical systems from low-resolution data},
author = {Andrzej Dulny and Andreas Hotho and Anna Krause},
journal= {arXiv preprint arXiv:2306.05805},
year = {2023}
}
备注
This version is the final camera-ready version that has been published in the Proceedings of ECML-PKDD 2023