用极低连接度储备池计算机预测混沌系统
机器学习
2020-01-08 v2 混沌动力学
机器学习
摘要
我们利用贝叶斯优化探索了用于预测混沌 Lorenz '63 吸引子的储备池计算机的超参数空间。我们采用了一种新的储备池性能度量，旨在强调学习被预测系统的全局气候而非短期预测。我们发现，基于该度量进行优化能更快速地排除无法复现气候的储备池。优化结果令人惊讶：优化后的参数通常指定了一个连接度极低的储备池网络。受此观察启发，我们探索了结构更简单的储备池设计，并发现了性能良好的储备池，其谱半径为零且无递归。这些简单储备池为该领域广泛使用的启发式规则提供了反例，并可能有助于储备池计算机的硬件实现。
引用
@article{arxiv.1910.00659,
title = {Forecasting Chaotic Systems with Very Low Connectivity Reservoir Computers},
author = {Aaron Griffith and Andrew Pomerance and Daniel J. Gauthier},
journal= {arXiv preprint arXiv:1910.00659},
year = {2020}
}