混沌系统中隐藏状态的辨识：一种物理信息回声状态网络方法
信号处理
2020-04-08 v2 机器学习
摘要
我们扩展了物理信息回声状态网络（PI-ESN）框架，以重建混沌系统中未测量状态（隐藏状态）的演化。PI-ESN 的训练使用（i）不含未测量状态信息的数据，以及（ii）原型混沌动力系统的物理方程。考虑了无噪声与含噪声数据集。首先，表明 PI-ESN 能准确重建未测量状态。其次，该重建对噪声数据表现出鲁棒性，意味着 PI-ESN 起到去噪器的作用。本文为利用物理知识与机器学习的协同来增强混沌动力系统中未测量状态的重建与预测开辟了新可能。
引用
@article{arxiv.2001.02982,
title = {Learning Hidden States in a Chaotic System: A Physics-Informed Echo State Network Approach},
author = {Nguyen Anh Khoa Doan and Wolfgang Polifke and Luca Magri},
journal= {arXiv preprint arXiv:2001.02982},
year = {2020}
}
备注
7 pages, 4 figures