推断常微分方程的结构
机器学习
2021-07-16 v1
摘要
理解物理现象通常意味着理解支配观测数据的基础动力系统。虽然黑盒系统可以实现准确预测，但它们往往缺乏可解释性，且不便于进一步的专家研究。作为替代，动力学可通过符号回归进行分析。在本文中，我们将（Udrescu等人，2020）提出的称为AIFeynman的方法扩展到动态环境，以基于所得轨迹的观测对ODE系统进行符号回归。我们在多个具有可用且复杂度递增的真实方程的动力系统上，将这一扩展与最先进的符号回归方法进行了实证比较。尽管所提方法在该基准上表现最佳，但我们观察到所有被比较的符号回归方法在更复杂系统（如Cart-Pole）上均存在困难。
引用
@article{arxiv.2107.07345,
title = {Inferring the Structure of Ordinary Differential Equations},
author = {Juliane Weilbach and Sebastian Gerwinn and Christian Weilbach and Melih Kandemir},
journal= {arXiv preprint arXiv:2107.07345},
year = {2021}
}