利用循环神经网络推断振荡系统的动力学
适应与自组织系统
2019-07-02 v2 机器学习
物理与社会
摘要
我们研究了循环神经网络对振荡系统的预测能力，不仅针对吸引子之上，也针对其邻近区域。为此我们考虑受外力扰动的系统。这使我们不仅能预测系统的时间演化，还可研究其动力学性质，如分岔、动力学响应曲线、特征指数等。结果表明，即便在状态空间中某些未给定输入数据的区域，这些性质也能被有效估计。我们考虑了若干不同的振荡实例，包括自持、激励、时滞与混沌系统。此外，通过统计分析，我们评估了两种常见循环神经网络单元——长短期记忆（LSTM）与门控循环单元（GRU）——进行有效推断所需的训练数据量。
引用
@article{arxiv.1904.03026,
title = {Inferring the dynamics of oscillatory systems using recurrent neural networks},
author = {Rok Cestnik and Markus Abel},
journal= {arXiv preprint arXiv:1904.03026},
year = {2019}
}
备注
9 pages, 7 figures